SLAM的演进：迈向自主系统的鲁棒感知
机器人学
2023-02-14 v1
摘要
同步定位与建图（SLAM）是自主机器人构建或更新未知非结构化环境地图，同时估计自身位姿的问题。过去30年，朝向自动驾驶车辆的发展趋势影响了鲁棒SLAM技术的发展。该问题通过使用标准传感器或传感器阵列（超声波传感器、LIDAR、相机、Kinect RGB-D）结合传感器融合技术来实现感知步骤。感知方法通过考虑环境规格以确定特征提取方式。随后讨论了经典基于滤波的方法、作为视觉SLAM流行方法的全局优化方法，以及基于卷积神经网络的深度学习方法（如基于深度学习的SLAM），同时考量如何克服定位与建图问题。在长期自主中的鲁棒性与可扩展性、性能及算法中的其他新方向相互比较以理清脉络。本文以评判视角审视已发表的既往工作，从传感器到算法开发，同时讨论开放挑战与新的研究前沿。
引用
@article{arxiv.2302.06365,
title = {Evolution of SLAM: Toward the Robust-Perception of Autonomy},
author = {B. Udugama},
journal= {arXiv preprint arXiv:2302.06365},
year = {2023}
}
备注
This survey on SLAM algorithms is not published and shared here for the community