无人驾驶车辆与移动机器人SLAM方法综述

中国矿业大学（北京） 景元泉 王跃辉 韩 伟 邹 恒 邹宇杰

当今时代大力发展人工智能技术，越来越多的自动驾驶车辆出现在生活中这离不开SLAM的发展。SLAM即同步定位与地图构建，无人驾驶汽车与自主移动机器人的实现主要解决定位精度以及其即时性、环境地图构建的准确定、导航、路径规划的计算四个问题，其中SLAM扮演非常重要的作用，SLAM主要用于解决未知环境中即时定位、地图构建与导航的问题。本文主要对SLAM的几种分类进行描述与总结，并对SLAM的未来发展趋势进行预测。

1 SLAM的经典框架

SLAM的经典框架主要是由传感器、视觉里程计、后端、闭环检测、建图五个部分所组成。传感器和视觉里程计在视觉SLAM中属于前端，传感器主要用于环境信息的采集，视觉里程计的目的是根据传感器将其采集到的图像数据估计其位姿，后端是将视觉里程计所形成的不同时刻位姿信息整理优化得到完整的环境地图。闭环检测环节是个反馈环节，它通过对传感器、视觉里程计、后端三个环节的信息进行比对来判断机器人移动的位置是否存在漂移或重复，若存在则将其信息反馈至后端。经过前四个环节后，得出最后的建图信息。

在实际使用当中还需依据经典框架进行完善。单一的传感器所采集的信息有着很多的局限性，对于一些精度要求极高的机器人来说，需要多传感器融合。机器人是否可以成功建图，很大一部分取决于闭环检测，闭环检测成功可以极大的减小建图的误差，提高建图的精准度，从而使机器人更加快速、准确的避障。……