SLAM (simultaneous localization and mapping),也称为CML (Concurrent Mapping and Localization), 即时定位与地图构建,或并发建图与定位。 SLAM最早由Smith、Self和Cheeseman于1988年提出。 由于其重要的理论与应用价值,被很多学者认为是实现真正全自主移动机器人的关键。
SLAM问题可以描述为: 机器人在未知环境中从一个未知位置开始移动,在移动过程中根据位置估计和地图进行自身定位,同时在自身定位的基础上建造增量式地图,实现机器人的自主定位和导航。
定位(localization): 机器人必须知道自己在环境中位置。
建图(mapping): 机器人必须记录环境中特征的位置(如果知道自己的位置)。
SLAM: 机器人在定位的同时建立环境地图,其基本原理是运过概率统计的方法,通过多特征匹配来达到定位和减少定位误差的。(kalman filter)
SLAM的四个基本问题:
1. 如何进行环境描述,即环境地图的表示方法;
2. 怎样获取环境信息,机器人在环境中漫游并记录传感器的感知数据,这涉及到机器人的定位与环境特征提取问题;
3. 怎样表示获得的环境信息,并根据环境信息更新地图,这需要解决对不确定信息的描述和处理方法;
4. 发展稳定可靠的SLAM算法。
一些描述可以参见http://wenku.baidu.com/link?url=r6xZFvMFjoEBE9sENkPU5WA7TotB47WZae8jiLAGJuGBa6piwoVON3_xc9v74S0U2w4fWHByc9VetyG2-z5TqHk4zm_RcbFsqUtFKaA3TZC