SLAM基本知識彙總

一、有用的部落格：

視覺slam學習資料

雷射slam vs 視覺slam

iros icra

1.每種感測器都有自身的特點，如雷射雷達具有極高的距離準確度，但是不能夠探測到透明物體；rgb-d 攝像頭具有 3d 視角，

有彩色影象，可是一般是使用紅外線作為深度資訊的探測光，很容易受到陽光的干擾；而超聲波感測器**低廉，可以探測機械人到玻璃的距離，但是準確度不夠。同時，除了距離感測器，我們還使用慣性測量單元imu 來得到機械人的位姿，使用碰撞開關作為機械人外部碰撞的保護。

2.kinect 的 3d視覺也可以使用壓縮的方式轉換成 2d 區域，來自 kinect 的 11bit 的原始資料被轉換為深度影象和畫素座標，轉化之後的資料將被用於在 2d 地圖中發布障礙物所在位置。

3.基於邊界的探索，他的中心思想是：獲得關於世界的最新資訊，移動並探測開放空間和未知空間之間的邊界。

5.使用 dijkstra 演算法（狄克斯特拉演算法）作為全域性路徑規劃的演算法，計算出從機械人的當前位置開始，到包含目標位置的最短無障礙路徑。

7.目前的區域性路徑規劃的主要分為三類：人工勢場法、動態視窗法和模糊邏輯控制法等。

人工勢場法的區域性路徑規劃方法最早是由 khatib 提出來的，它是一種虛擬力法，將環境描述為乙個力場模型，在機械人導航的過程中，導航目標點給它乙個虛擬「吸引力」，路徑上的障礙則給它乙個虛擬「排斥力」，最後求兩者合力來確定機械人的運動趨勢。rimon、shahid 和

khosla 等人引入勢能函式來解決容易陷入區域性最優問題。

8.擴充套件卡爾曼濾波（extended kalman filter，ekf）主要通過對非線性系統的泰勒展開來對非線性系統進行近似。無跡卡爾曼濾波（unscentedkalman filter，ukf）採用取樣方法來近似非線性分布。

其核心思想是通過 u 變換（unscented 變換）對非線性系統進行模型狀態和協方差遞推羽更新，u 變換後採用標準 kalman 濾波進一步求解，所以 ukf 的核心是 u 變換。ukf 避免了泰勒展開截斷高階項帶來的誤差，在提高濾波精度的同時不需要計算雅可比矩陣，所以計算量較低。