什麼是slam 技術

  slam (Simultaneous Localization and Mapping)叫即時定位與建圖，它主要的作用是讓機器人在未知的環境中，完成定位（Localization)，建圖(Mapping)和路徑規劃(Navigation)。

鐳射slam簡要介紹

   主流的slam技術應用有兩種，分別是鐳射slam(基於鐳射雷達lidar 來建圖導航)和視覺slam(vslam,基於單/雙目攝像頭視覺建圖導航)，在此主要先介紹鐳射slam，它有分為基於濾波的 filter-based 的SLAM，和基於圖優化Graph-based的SLAM

（1）基於Graph-based的代表是cartographer,karto_slam，可以修復 t 時刻之前的誤差分為兩部分Front-end ，和Back-end。

（2）基於(粒子濾波)PF的代表gmapping，只能估計X(t)當前時刻的位姿，不能修復之前時刻產生的誤差。在大面積的情況下，就無法建圖了。

slam演算法實現的幾個要點

1. 地圖表示問題，比如dense和sparse都是它的不同表達方式，這個需要根據實際場景需求去抉擇

（A）覆蓋珊格地圖 和點雲地圖

2. 資訊感知問題，需要考慮如何全面的感知這個環境，RGBD攝像頭FOV通常比較小，但鐳射雷達比較大

   (A)主要使用感測器慣性測量單元——陀螺儀（Imu）測角度,輪子編碼器測里程計odom，及鐳射雷達

3. 資料關聯問題，不同的sensor的資料型別、時間戳、座標系表達方式各有不同，需要統一處理

4. 定位與構圖問題，就是指怎麼實現位姿估計和建模，這裡面涉及到很多數學問題，物理模型建立，狀態估計和優化

5.迴環檢測問題

（A）分支定界Branch and Bound&lazy Decison（延遲決策） ，代表：cartographer

（B）Scan-to-Map

6.探索問題（exploration）

7.綁架問題（kidnapping）

8.幀間匹配演算法

    （A）PI-ICP

    （B）CSM(Correlation Scan Match)

    （C）梯度優化的方法：Hector—SLAM

    （D）CSM+梯度優化：cartographer

2Dslam 技術發展

（A）EKF-SLAM構建的是feature 地圖，而不是grid柵格地圖，所以無法用於導航，只能用於定位。

（B）gmapping是Grid版本的FastSLAM，加入了scan-match。

（C）在Optimal RBPF在gmapping上做了優化，是MRPT上的一個開源演算法。