机器人地图绘制：同步定位与地图构建

同步定位与地图构建（Simultaneous localization and mapping），简称SLAM，是指用机器人或无人驾驶车通过周围环境生成的地图进行导航的过程。SLAM是机器人自动地图绘制背后的技术。机器人或者车辆绘制出了一个区域的地图，但与此同时它必须找出这片区域内自己的位置。SLAM使用了一系列复杂的计算，算法和对周围未知环境的感应来行驶或校正已知环境的地图。在环境过于危险或对人类过于狭小的情况下，SLAM可以远程创建GIS数据。

SLAM很像一个人在一个陌生的地方试图找到自己的方向。首先，人会四处张望寻找熟悉的标志符号。一旦人认出一个熟悉的地标，他可以根据与它的关系找出自己的位置。一旦人没有找到地标，他便认为自己迷路了。但是，一个人越是观察环境，越是能找到更多的地标，并且开始在脑中建立一个图像或地图。这个人在这个未知的环境中可能需要穿行数次才能熟悉环境。

相似的，一个SLAM机器人试图绘制出未知环境的地图并找出自己在哪。复杂的地方在于同时完成两件事。机器人在确定周围环境是如何的之前需要知道自己的位置。机器人还必须在没有地图的情况下搞清楚自己在哪里。由Hugh Durrant-Whyte 和 John L. Leonard发明的同步定位与地图构建，是一种用专用设备和技术解决这个问题的方法。

使用激光雷达的机器人

解决这个问题的过程开始于机器人或者无人驾驶车辆本身，所使用的机器人类型必须拥有特别优秀的测程性能。测程能力决定了机器人估算自己位置的能力。这通常是机器人由轮子的位姿计算得出的。然而，要记住测程读数时的误差范围是比较小的，机器人在测量中可能有几厘米的误差。因此，机器人不在它认为它在的地方。这些误差必须考虑进算法。同时，区域地图的频繁重构可以弥补这个缺陷。

SLAM的一个要求是一系列的测量装置、观察机器人周围环境的方法。最常见的测量形式是激光扫描器比如激光雷达。激光扫描器易于使用并且十分精确，但是也十分昂贵。声纳是另外一种选择，并且这种设备在水下环境是十分有用的。成像设备也可以用于SLAM，这些光学传感器可以生成2维甚至3维图像，其中3D深度摄像头是非常优秀的测量设备。测量设备的选用取决于几个因素，包括偏好，成本和可用性。

SLAM过程中另一关键组成是获取机器人周围环境数据。就像一个人一样，机器人通过它的传感器，激光，声纳或使用其他测量设备根据地标来确定它的位置。机器人会在不同的环境中使用不同的地标。然而，SLAM对于地标有一些确切的要求。首先地标应该是固定的，如果机器人周围的地标是移动的，机器人无法确定自己的位置。此外，地标应该是独特的并且可以与周围环境区别开来。地标在环境中应该是丰富的并且可以从许多不同角度观察。

一旦机器人检测到一个地标，它可以通过提取传感器的输入信号和识别不同的地标来确定自己的位置。为了让机器人做到这点需要适当的方法。这个地标的辨识可以通过许多方法来完成，比如峰值提取算法或扫描匹配。这里的重点是机器人需要一种方法来识别地标。机器人还可以通过匹配以前扫描地标的数据来确定自己的位置。

SLAM是根据传感器，机器人和机器人所在位置的相互作用来对环境进行地图构建的。因为机器人与环境的交互，在构建区域地图的同时也会确定自己的位置。就像其它的地图绘制技术一样，作为一个探索我们周围环境的工具，SLAM正在不断地改进。