1.简介

  移动机器人自定位与环境建模密不可分。在未知环境中，移动机器人依靠构建的环境地图进行自定位，环境地图的准确性又依赖于定位精度。移动机器人处于陌生环境时，往往由于缺乏参照物难以定义。基于定位的环境建模与基于地图的定位都是比较容易实现的，但两者抛开其一单独进行都会提高实现SLAM技术的难度。目前，专家学者针对定位问题提出了许多解决方法，主要分为四大类:概率定位法、信标定位法、图形匹配定位法与全球定位系统。其中，概率定位法作为SLAM技术的基础方法，发展到现在已形成多种成熟的算法框架，由于其对定位过程中各种不确定因素的应对能力更强、更易与其他各类定位方法配合使用，且具备较强的自主探索能力，所以广泛应用于移动机器人定位系统。在概率定位法中，比较常见的算法有基于卡尔曼滤波(Kalman Filter，KF)的SLAM算法、基于扩展卡尔曼滤波（Unscented Kalman Filter，EKF）的SLAM算法、基于无迹卡尔曼滤波（Unscented Kalman Filter,UKF）的SLAM算法以及基于粒子滤波（Particle Filter，PF）的SLAM算法

2.SLAM方法

  目前，SLAM技术研究主要集中于两种方法：一种是基于便携式激光测距仪的方法，即激光SLAM；另一种是基于计算机视觉的方法，即视觉SLAM。但是，依靠单一传感器同时进行定位与建图，系统鲁棒性较差。采用多传感器融合的方式能够提高系统的鲁棒性，将相机、激光雷达、IMU等多个传感器融合使用，能够极大提高移动机器人位姿与建图地估计精度。常见地多传感器融合方式有视觉与IMU融合、激光雷达与IMU融合、视觉与激光融合。

3.SLAM系统结构

3.1 环境感知

  实时定位其实就是回答“我在哪”的问题，机器人不仅要知道自身的起始位姿，还要知道导航过程中的实时位姿。实时定位可以分为被动定位和主动定位两种。被动定位依赖外部人工信标，主动定位则不依赖外部人工信标。
（1）被动定位
  以GPS为代表的室外被动定位方法应用到了生活的方方面面，GPS通郭多卫星实现三角定位，对于一些定位精度要求特别高的场合，会在地面搭建信息辅助基站来提高GPS的定位精度，即差分GPS。当卫星信号受到遮挡时，GPS就无法使用了，因此室内通常会借移动网络或者Wi-Fi进行定位，在定位精度要求更高的场合会使用UWB进行定位。这些定位方法其实与室外卫星定位方法的原理一样，都是通过外部基站提供的信标进行三角定标。在一些像物流仓储这样的特殊场合，会在环境中布置很多人工信标（如二维码、RFID条等），从而使机器人在移动过程中检测到这些信标时获取响应的位姿信息。
（2）主动定位
  被动定位有很多缺点，一方面是搭建提供人工信标的基站的成本高昂，另一方面是许多场合不具备基站搭建条件。这时，主动定位就凸显出优势了。
  所谓主动定位，就是机器人依赖自身传感器对未知环境进行感知获取定位信息。目前，主动定位技术以SLAM为代表、即同时进行建图和定位。SLAM导航方案由建图（mapping）、定位（localization）和路径规划（path planing）3大基本问题构成，这3大问题互相重叠和嵌套又组成新的问题，也就是SLAM问题、导航问题和探索问题。

3.2 环境建模

  以智能车为例，其周边的环境信息通过构建地图进行表示，环境地图是智能车进行自定位与导航的依据。首先对周边环境进行感知并构建环境地图，智能车基于已存储的环境模型，通过内部及外部传感器对环境信息进行感知并与已经完成创建的环境地图进行匹配，根据匹配结构进行自定位。当感知的环境信息与环境地图匹配成功时，通过标定目标点并参考环境地图中的障碍物，可以基于智能车当前未知对其进行路径规划。目前常用的环境地图表示形式可分为3种：拓扑地图、几何信息地图与栅格地图。选取环境地图种类时，要充分考虑地图精度与机器人感知目标的精度，地图所展现的特征应与传感器感知的数据类型相匹配。各类型地图优缺点见下表：

3.3 语义理解

  对环境状态的理解是多维度的，如对于定位问题来说，环境状态被机器人理解为特征点或点云；对于导航避障来说，环境状态被机器人理解为二维或三维占据栅格。站在更高层次去理解，机器人会得到环境状态数据之间的各种复杂关系，即语义理解。.

3.4 路径规划

  路径规划是无人驾驶汽车感知中最重要的一环，即根据车辆所在位置规划出一条连接驾驶车辆的起点和目标点，且能完美避开障碍物的路径。路径规划算法大体分为全局规划和局部规划两个方面，分别对两类规划算法进行阐述。全局路径规划算法属于静态规划算法，局部路径规划算法属于动态规划算法。
  全局路径规划蒜贩以已有的地图信息为基础进行规划，寻找一条从起点到目标点的最有路径，包括Dijkstra算法、A算法、D算法、蚁群算法等。
  局部路径规划是移动机器人根据自身的传感器感知周围环境，规划出一条移动所需的路径，常用于跟车、超车、避障等情况。局部路径规划常用的算法有人工势场法、快速搜索随机树算法、模糊逻辑控制法等。