SLAM技术大科普！从随机碰撞到自主导航，谁在主导？

智能服务机器人带给了我们生活各处中的种种便利，从清扫机器人开始，家庭陪伴机器人、送餐机器人等也陆续进入了我们的视线。

而关于扫地机器人，我们在讨论它是否可以解决实际问题的同时，自主定位导航技术也足够吸引着我们的目光，我们不禁产生疑问，为什么扫地机器人可以实现自主导航来完成路径规划最后完成清扫任务，依靠了什么技术呢？SLAM技术便是这之中的首要技术应用。

一个服务类型的机器人自主定位导航技术中包括定位、地图创建与路径规划（运动控制），而SLAM本身只是完成机器人的定位和地图构建两件事情，两者并不是完全等价的。

那么，SLAM技术究竟是如何实现的？它有哪些难点？机器人又是如何实现路径规划和自动导航的？别急，我们接着看。

SLAM技术是同步定位与地图构建(Simultaneous Localization And Mapping)的缩写，SLAM本身更像是一个概念而不是一个算法，它本身包含许多步骤，其中的每一个步骤均可以使用不同的算法实现。通常被主要用于解决移动机器人在未知环境中运行时的即时定位与地图构建的问题。

当你处在陌生环境，怎么准确找到想去的地方？没错，我们有导航软件和户外地图。

那么和人类绘制地图一样，机器人在描述环境、认识环境的这个过程主要就是依靠地图。它利用环境地图来描述其当前的环境信息，并随着使用的算法与传感器差异来采用不同的地图描述形式。

通常机器人学图的方法有四种：栅格地图、特征点地图、直接表征法以及拓扑地图。

1. 栅格地图

机器人对环境地图的描述的方式最常见的为栅格地图(Grid map)，栅格地图就是把环境划分成一系列栅格，其中每一栅格给定一个可能值，表示该栅格被占据的概率。

其本质就是像一张位图图片，图片当中每个“像素”表示了实际环境中存在的障碍物的概率，并表示并分布开来。

2.特征点地图

特征点地图，是用有关的几何特征（如点、直线、面）表示环境，常见于vSLAM（视觉SLAM）技术中。

相比于栅格地图，这种地图看起来就不那么直观了。它一般通过如GPS、UWB以及摄像头配合稀疏方式的vSLAM算法产生，优点是相对数据存储量和运算量比较小，多见于最早的SLAM算法中。实际使用的普遍普及率不高。

3.直接表征法

直接表征法这种方法省去了特征或栅格来表示这一中间环节，直接用传感器读取的数据来构造机器人的定位空间。

直接利用传感器原始数据通过简单处理拼接形成地图，相对来说更加直观。

4.拓扑地图

拓扑地图，是一种相对更加抽象的地图形式，它把室内环境表示为带结点和相关连接线的拓扑结构图，其中结点表示环境中的重要位置点（拐角、门、电梯、楼梯等），边表示结点间的连接关系，如走廊等。这种方法只记录所在环境拓扑链接关系，这类地图一般是由前几类地图通过相关算法提取得到。

像扫地机器人要进行房间清扫的时候，就会建立这样的拓扑地图去进行工作。

在机器人技术当中，SLAM的地图构建通常指的是建立与环境几何一致的相关地图，一般算法中建立的拓扑地图只反映了环境中的各点连接关系，并不能构建几何一致的地图，因此，这些拓扑算法不能被用于SLAM技术当中，

而直接表征法类似卫星地图，直接通过传感器（一般是图像传感器）构建得到，对于数据存储是很大的挑战，对于机器人要从中提取出有用的数据也要耗费一番周折，因此在实际应用中很少使用直接表征法。

特征点地图又是另一个极端，虽然数据量少，但是它往往不能反应所在环境的一些必要信息，像障碍物的位置信息。而在这种技术当中，想让机器人进行自主避障和路径规划，还需要额外配置距离传感器，如激光雷达、超声波来完成。

栅格地图恰好介于这些地图方法之中，一方面它能表示空间环境中的很多特征，以此用它来进行路径规划，另一方面，它不直接记录传感器的原始数据，相对实现了空间和时间消耗的最优。因此，栅格地图是目前机器人所广泛应用的地图存储方式。

当你打开手机中的导航软件，在选择前往目的地的最佳路线之前，首先要做的动作是什么呢？没错，就是定位。我们要先知道自己在地图中的位置，才可以进行后续的导航和路径规划。

而在机器人实时定位问题中，由于通过机器人运动估计得到的机器人位置信息通常具有较大的误差，所以我们便需要使用测距单元得到的周围环境信息来更正机器人所处的位置。

目前，常见的测距单元包括激光测距、超声波测距以及图像测距三种。其中，凭借激光良好的指向性和高度聚焦性，激光雷达已经成为移动机器人的核心传感器，同时它也是目前最可靠、最稳定的定位技术。

通过SLAM技术下的定位和地图构建相关的技术应用，便实现了服务类机器人从随机碰撞到自主定位导航的转变，从而让这种类型的机器人更好的服务于我们的生活当中。

苏宁极物小Biu智能扫地机V6

¥ ¥

去购买