結(jié)合擴(kuò)展卡爾曼濾波器

在 SLAM 的典型實(shí)現(xiàn)中，擴(kuò)展卡爾曼濾波器用于通過(guò)概率密度函數(shù)估計(jì)系統(tǒng)狀態(tài)。該估計(jì)包括 AMR 的位置和方向、其線(xiàn)速度和旋轉(zhuǎn)速度以及線(xiàn)加速度。過(guò)濾器以預(yù)測(cè)和校正的兩步方式進(jìn)行。在第一步中，當(dāng)前時(shí)間的估計(jì)狀態(tài)是根據(jù)先前的狀態(tài)和僅運(yùn)動(dòng)的物理定律預(yù)測(cè)的。在第二步中，來(lái)自傳感器讀數(shù)的觀(guān)察結(jié)果用于對(duì)某些估計(jì)狀態(tài)進(jìn)行修正。這是來(lái)自外部傳感器（包括激光雷達(dá)）的讀數(shù)提供輸入的地方。觀(guān)察結(jié)果包括一個(gè)不確定值，過(guò)濾器試圖維持一組狀態(tài)，由均值和協(xié)方差矩陣表示，符合運(yùn)動(dòng)定律和提供的觀(guān)察結(jié)果。使用激光雷達(dá)距離數(shù)據(jù)進(jìn)行校正步驟的兩種常見(jiàn) SLAM 算法是掃描到掃描匹配和掃描到地圖匹配。

自主移動(dòng)機(jī)器人 (AMR) 導(dǎo)航的集成方法

掃描到掃描匹配

在掃描到掃描匹配中，順序激光雷達(dá)距離數(shù)據(jù)用于估計(jì)掃描之間 AMR 的位置移動(dòng)，從而產(chǎn)生更新和累積的 AMR 位置和姿態(tài)。該算法獨(dú)立于現(xiàn)有地圖，因此當(dāng)?shù)貓D不存在時(shí)，例如在初始地圖創(chuàng)建期間，或者當(dāng)當(dāng)前環(huán)境由于環(huán)境變化與存儲(chǔ)的地圖不緊密匹配時(shí)，它會(huì)受到嚴(yán)重依賴(lài)。作為一種增量算法，掃描到掃描的匹配會(huì)受到長(zhǎng)期漂移的影響，并且無(wú)法隨時(shí)間糾正不準(zhǔn)確的更新。

掃描到地圖匹配

在掃描到地圖匹配中，激光雷達(dá)掃描范圍數(shù)據(jù)用于通過(guò)將讀數(shù)直接與存儲(chǔ)的地圖匹配來(lái)估計(jì) AMR 的位置。這可以在純粹逐點(diǎn)的基礎(chǔ)上完成，或者采用更穩(wěn)健但計(jì)算成本更高的方法將讀數(shù)與地圖中遇到的第一個(gè)對(duì)象徑向匹配。作為一種絕對(duì)算法，掃描到地圖匹配通常不會(huì)像掃描到掃描匹配的情況那樣受到漂移。但是，它會(huì)受到環(huán)境中重復(fù)引起的其他錯(cuò)誤的影響，其中地圖從不同位置或方向看起來(lái)非常相似。此外，當(dāng)當(dāng)前環(huán)境與存儲(chǔ)的地圖不緊密匹配時(shí)，不正確的匹配會(huì)導(dǎo)致錯(cuò)誤的位置不連續(xù)變化。而且，一旦它離位很遠(yuǎn)，

克服局限——綜合方法

所有 SLAM 算法最終都基于環(huán)境的傳感器讀數(shù)。當(dāng)沒(méi)有物體處于適合傳感器讀取的位置時(shí)，如倉(cāng)庫(kù)中的空架子和處于該精確高度的 2D 激光雷達(dá)所見(jiàn)，引入 3D 激光雷達(dá)或基于 3D 立體深度相機(jī)的傳感可以大大增加本地化性能。然而，這些傳感器的成本可能更高，而且計(jì)算要求也高得多。當(dāng)出現(xiàn)如此多的數(shù)據(jù)時(shí)，減少計(jì)算要求的一種方法是從掃描或圖像中提取特征，然后由 SLAM 算法處理這些特征，因此 SLAM 算法不會(huì)處理圖像中的每個(gè)單獨(dú)像素。

這種策略需要一個(gè)強(qiáng)大的算法來(lái)從掃描到掃描一致地提取特征，盡管在運(yùn)動(dòng)通過(guò)場(chǎng)景時(shí)視角、光照或反射率不同。這是一項(xiàng)不小的任務(wù)。此外，需要出門(mén)或在室內(nèi)和室外之間行駛的應(yīng)用可能會(huì)對(duì)傳感器及其處理明/暗、直射陽(yáng)光等變化的能力提出額外要求。

AMR 目前使用的大多數(shù) SLAM 實(shí)現(xiàn)都是基于傳感器成本和計(jì)算要求以及移動(dòng)車(chē)輛中增加計(jì)算的功率要求的能力折衷。隨著越來(lái)越多的功能被集成到高端機(jī)器視覺(jué)相機(jī)中以支持它們所使用的各種應(yīng)用——檢查、測(cè)量和缺陷檢測(cè)——也許基于 SLAM 的算法的需求也可以直接集成到機(jī)器視覺(jué)相機(jī)中未來(lái)。例如，這種集成可以提供特征提取和測(cè)距，從而減輕 AMR 的處理要求。

雖然這些 SLAM 算法本身都不能完全令人滿(mǎn)意，而且實(shí)際上可以提供相互矛盾的定位解決方案，但每種算法在不同情況下都有優(yōu)勢(shì)。通過(guò)里程計(jì)、掃描到掃描匹配、掃描到地圖匹配和其他技術(shù)（如特征提取和匹配）的組合，將這些方法中的每一種方法相互結(jié)合使用可以克服缺點(diǎn)，提供準(zhǔn)確和在現(xiàn)實(shí)世界的設(shè)置和應(yīng)用程序中具有可靠的性能。