环球电气之家-午夜精彩视频-中国专业电气电子产品行业服务网站！

　　智能服務機器人正成為行業的風口浪尖，從清掃機器人開始，家庭陪伴機器人、送餐機器人等陸續進入公眾視線。

　　在討論這類機器人是否能解決實際問題時，自主定位導航技術作為機器人智能化的第一步正不斷引起行業內的重視。同時，作為自主定位導航技術的重要突破口，SLAM技術也成為關注焦點。

　　正如圖中所示，機器人自主定位導航技術中包括定位、地圖創建與路徑規劃（運動控制），而SLAM本身只是完成機器人的定位和地圖創建，二者有所區別。

　　那么，SLAM技術究竟是如何實現的？它有哪些難點？機器人如何實現路徑規劃和自動導航？到底什么樣的掃地機器人才算智能？

　　這些問題，小編將為你一一解答，帶領大家了解機器人自主移動的秘密。

　　今天，我們先從SLAM說起。

　　SLAM是同步定位與地圖構建(Simultaneous Localization And Mapping)的縮寫，最早由Hugh Durrant-Whyte和John J.Leonard提出。

　　其實，SLAM更像是一個概念而不是一個算法，它本身包含許多步驟，其中的每一個步驟均可以使用不同的算法實現。主要用于解決移動機器人在未知環境中運行時即時定位與地圖構建的問題。

　　當你身處異地，怎么準確找到想去的地方？在戶外迷路時，怎么找到回家的路？沒錯，我們有導航軟件和戶外地圖。

　　和人類繪制地圖一樣，機器人描述環境、認識環境的過程主要就是依靠地圖。它利用環境地圖來描述其當前環境信息，并隨著使用的算法與傳感器差異采用不同的地圖描述形式。

　　機器人學中地圖的表示方法有四種：柵格地圖、特征地圖、直接表征法以及拓撲地圖。

　　1、柵格地圖

　　機器人對環境地圖的描述的方式最常見的為柵格地圖(Gridmap)或者稱為OccupancyMap。柵格地圖就是把環境劃分成一系列柵格，其中每一柵格給定一個可能值，表示該柵格被占據的概率。

　　這種地圖看起來和人們所認知的地圖沒什么區別，它最早由NASA的AlbertoElfes在1989年提出，在火星探測車上就用到過，其本質是一張位圖圖片，但其中每個“像素”則表示了實際環境中存在障礙物的概率分布。

　　一般來說，采用激光雷達、深度攝像頭、超聲波傳感器等可以直接測量距離數據的傳感器進行SLAM時，可以使用該地圖。這種地圖也可以通過距離測量傳感器、超聲波（早期）、激光雷達（現在）繪制出來。

　　2、特征點地圖

　　特征點地圖，是用有關的幾何特征（如點、直線、面）表示環境，常見于vSLAM（視覺SLAM）技術中。

　　相比柵格地圖，這種地圖看起來就不那么直觀了。它一般通過如GPS、UWB以及攝像頭配合稀疏方式的vSLAM算法產生，優點是相對數據存儲量和運算量比較小，多見于最早的SLAM算法中。