机器人SLAM技术及其ROS系统应用 第2版 课件 第一章 绪论

第一章绪论目录CONTENTS01SLAM算介02SLAM数学模型03SLAM分类04ROS简介05基于ROS系统的SLAM技术06SLAM发展前景01SLAM简介SLAM（SimultaneousLocalizationAndMapping）中文称“同步定位及建图”是目前在机器人定位方面的热门研究课题。到目前为止，也取得了不少进展。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传感器数据进行自身定位,同时建造增量式地图一般来说，机器人自主移动到指定位置的过程可以分解为这三个任务:（1）路径规划（2）定位（3）建图。而SLAM的目的就是解决“定位”与“地图构建”这两个问题定位(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）02SLAM数学模型

由于噪声的存在，将SLAM问题数学建模成一个状态估计问题，通过带有噪声的观测数据，估计状态变量。03SLAM分类SLAM算法输出为一张地图，地图可分为度量图，拓扑图，混合图或语义图。度量图可以将环境表示为栅格地图，特征地图或几何信息地图。地图度量地图栅格地图特征地图几何信息地图拓扑地图混合地图栅格地图表示法即将整个环境分为若干相同大小的栅格，对于每个栅格各指出其中是否存在障碍物。栅格地图●可以持续地获取环境信息特征地图通过指定的标记点、特征等精确度量位置来表示环境。几何信息地图表示法是指机器人收集对环境的感知信息，从中提取更为抽象的几何特征，例如线段或曲线，使用这些几何信息描述环境。特征地图几何信息地图●直观形象，便于导航●对其传感器要求较高●相对数据存储量和运算量比较小拓扑地图抽象度高，特别在环境大而简单时。这种方法将环境表示为一张拓扑意义中的图(graph)，图中的节点对应于环境中的一个特征状态、地点。如果节点间存在直接连接的路径则相当于图中连接节点的弧。●紧凑，需要的存储空间小●传感器信息模糊很难构建大环境下的地图，也可能产生的路径不是最佳路径拓扑地图混合地图包含地图的拓扑和度量信息。例如，一些度量图通过拓扑关系连接起来。混合地图中的每个节点可以是小型度量地图，或者是某个地方的定性信息，也可两者都有。●根据用途不同可以访问不同级别的信息●典型如语义地图实现人与机器人在概念上就能交互混合地图04ROS简介

ROS是面向机器人的开源的元操作系统（meta-operatingsystem）。它能够提供类似传统操作系统的诸多功能，如硬件抽象、底层设备控制、常用功能实现、进程间消息传递和程序包管理等。此外，它还提供相关工具和库，用于获取、编译、编辑代码以及在多个计算机之间运行程序完成分布式计算。

ROS的基础框架ROS的总体设计一个目标•提高机器人研发中的软件复用率五个特点•点对点设计

•多语言支持

•架构精简、集成度高

•组件化工具包丰富

•免费并且开源四位一体•ROS=通讯机制+开发工具+应用功能+

生态系统05

基于ROS系统的SLAM技术基于激光的SLAM技术最底层机器人本身的电机驱动和控制部分中间通信层通信通路决策层例Gmapping包1、基于激光的SLAM技术Gmapping包是在ROS里对开源社区openslam下Gmapping算法的C++实现，该算法采用一种高效的Rao-Blackwellized粒子滤波将收取到的激光测距数据最终转换为栅格地图。粒子滤波其核心思想是通过从后验概率（观测方程）中抽取的随机状态粒子来表达其分布，是一种循序重要性采样法。粒子滤波主要步骤如下：

（1）初始化阶段

（2）转移阶段

（3）决策阶段

（4）重采样阶段

（5）滤波

（6）地图生成2、基于视觉的SLAM技术

根据相机工作方式的不同，可分为以下三种:单目只能反映三维场景的二维图像双目通过左右眼图像的差异来判断场景中物体的远近，能从直接提取完整的特征数据。RGB-D可同时获取图像彩色信息和深度信息。

视觉SLAM经典方法的比较激光SLAM与视觉SLAM的优劣势