移动机器人VISUAL SLAM 自主导航系统研究文献综述

 2021-11-01 22:15:20

毕业论文课题相关文献综述

文 献 综 述 1.1研究背景意义移动机器人的自主导航问题被分成三大块:定位,建图,路径规划。

定位就是精确确定机器人在环境中的当前姿态。

建图就是将环境的多个不完整观测集成到单个一致的模型中,路径规划就是在地图中确定一条通过环境的导航最优路径。

最初,建图和定位单独进行研究,后来人们意识到他们是相互关联,相互依赖的,1996年,Durrant-Whyte才提出了同时定位与建图这个概念[1]。

这也就是说,为了得到环境中精确的定位,需要正确无误的地图,但是,为了建立好的地图,需要在新元素添加到地图时能够被准确地定位,这个就是SLAM。

SLAM是Simultaneous Localization and Mapping的缩写,译作同步定位与建图。

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。

[2] SLAM的主要应用场景有:机器人自主导航、辅助驾驶[3]、增强现实[4]、三维重建[5]等方面,目前SLAM 技术遍及机器人导航、自动控制、人工智能的方方面面,在无人驾驶、智能家居、室内测绘等方面应用广泛。

图 1.1(a)为 SLAM 在无人驾驶中的应用,从国外的特斯拉和谷歌无人驾驶到国内的百度、长安无人驾驶都在使用 SLAM 技术。

图 1.1(b)为 SLAM 在智能家居方面的应用,扫地机器人是使用 SLAM 算法最成熟的领域之一,国内外智能设备厂商诸如小米、美的、科沃斯、飞利浦、浦桑尼克等都纷纷推出了基于 SLAM 算法的扫地机器人。

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。