robotics - SLAM中机器人如何进行姿态估计？

Question

我知道在粒子过滤算法中，机器人可以在给定地图的情况下选择最佳姿势。但是机器人如何在没有给出地图的情况下预测 SLAM 中的位姿。我们是否从 IMU 获取数据？

Answer 1

SLAM 是一个非常广泛的应用，并且存在许多关于如何执行 SLAM 的方法。

基本思想是同时估计环境地图和机器人通过环境的路径。地图通常由测量环境中突出地标位置的传感器感测。机器人的运动通常由 IMU、里程计或 GPS 传感器集成。不过，用于执行 SLAM 的设置和算法可能会有很大差异。

甚至不需要从机器人获取运动数据。您可以想到一个卡尔曼滤波器，它在其状态向量中跟踪地标位置和机器人位置，并为没有控制输入的机器人假设一个恒定的位置状态转换模型。即使转换模型被假定为恒定位置，地标位置的测量更新在理论上也足以给出机器人更新位置的估计。

如果您考虑“运动结构”方法，则更进一步.

因此，只要您没有考虑特定的传感器设置和算法，“机器人如何在 SLAM 中进行姿态估计”的问题就不会真正有效。如果你有一个具体的问题，我可能会为你指出具体文学的方向。

Sebastian Thrun的概率机器人书籍对 SLAM 的概率方法进行了很好的介绍。

Answer 2

在未提供地图的情况下，机器人会通过其上的传感器检测其周围环境。它通过标记在三维空间中检测到的点来创建地图。例如，基于视觉的机器人试图在下一个场景（帧）中找到它在当前场景（帧）中检测到的兴趣点（特征）。它试图通过查看它在屏幕上找到的特征的位移来确定自己的位移。这个概念表示为里程计，机器人估计它在环境中移动了多少。里程计信息通常是通过传感器融合的方式使用多个不同的传感器获得的，而不是使用单个传感器。