SLAM - CML - 同步定位与建图

SLAM - CML - 同步定位与建图

simultaneous localization and mapping，SLAM：即时定位与地图构建，同步定位与建图
concurrent mapping and localization，CML：并发建图与定位
consistent [kənˈsɪstənt]：adj. 始终如一的，一致的，坚持的
continual learning / life-long learning：持续学习

1. SLAM

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。完全的地图 (a consistent map) 是指不受障碍行进到房间可进入的每个角落。

有理解力的 SLAM：语义 SLAM，精准感知并适应环境。
将语义分析与 SLAM 有效融合，增强机器对环境中相互作用的理解能力，为机器人赋予了复杂环境感知力和动态场景适应力。

有广度的 SLAM：100 万平米强大建图能力。
借助高效的环境识别、智能分析技术，机器人将拥有室内外全场景范围高达 100 万平米的地图构建能力。

有精度的 SLAM：高精度定位领先算法。
SLAM 2.0 可在任何地点进行开机识别、全局定位，精准度高达 $\pm2\text{cm}$。

有时效的 SLAM：动态地图实时更新。
根据传感器回传数据，与原有地图进行分析比对，完成动态实时更新，实现 life-long SLAM。

2. SLAM 的传感器

SLAM (simultaneous localization and mapping，同步定位与建图) 是一边计算自身位置，一边构建地图的过程。

SLAM 要实现定位和制图，采集数据是关键。SLAM 的传感器分为两大类：激光 SLAM 和视觉 SLAM。

2.1 激光 SLAM

激光 SLAM 能测量周围障碍点的角度和距离等信息，其特点是采集速度快、测量精准、计算量小。其缺点是贵，而且容易坏。

2.2 视觉 SLAM

以摄像头为传感器的 SLAM 叫 VSLAM (视觉 SLAM)。视觉 SLAM 价格便宜。图像能提供更加丰富的信息，特征区分度更高，缺点是图像信息的实时处理需要很高的计算能力。

References

https://github.com/AtsushiSakai/PythonRobotics