智能服务机器人正成为职业的风口浪尖，从打扫机器人开端，家庭陪同机器人、送餐机器人等连续进入大众视野。
在评论这类机器人是否能处理实践问题时，自主定位导航技能作为机器人智能化的第一步正不断引起职业界的注重。一起，作为自主定位导航技能的重要突破口，SLAM技能也成为重视焦点。
正如图中所示，机器人自主定位导航技能中包含定位、地图创立与途径规划（运动操控），而SLAM自身仅仅完结机器人的定位和地图创立，二者有所差异。
那么，SLAM技能究竟是怎样完结的？它有哪些难点？机器人怎样完结途径规划和主动导航？究竟什么样的扫地机器人才算智能？
这些问题，小编将为你逐个回答，带领咱们了解机器人自主移动的隐秘。
今日，咱们先从SLAM说起。
SLAM是同步定位与地图构建（Simultaneous LocalizaTIon And Mapping）的缩写，最早由Hugh Durrant-Whyte和John J.Leonard提出。
其实，SLAM更像是一个概念而不是一个算法，它自身包含许多进程，其间的每一个进程均能够运用不同的算法完结。首要用于处理移动机器人在不知道环境中运行时即时定位与地图构建的问题。
当你身处异地，怎样精确找到想去的当地？在野外走失时，怎样找到回家的路？没错，咱们有导航软件和野外地图。
和人类制作地图相同，机器人描绘环境、知道环境的进程首要便是依托地图。它运用环境地图来描绘其当时环境信息，并跟着运用的算法与传感器差异选用不同的地图描绘办法。
机器人学中地图的表明办法有四种：栅格地图、特征地图、直接表征法以及拓扑地图。
1、栅格地图
机器人对环境地图的描绘的办法最常见的为栅格地图（Gridmap）或许称为OccupancyMap。栅格地图便是把环境划分红一系列栅格，其间每一栅格给定一个或许值，表明该栅格被占有的概率。
这种地图看起来和人们所认知的地图没什么差异，它最早由NASA的AlbertoElfes在1989年提出，在火星勘探车上就用到过，其本质是一张位图图片，但其间每个“像素”则表明了实践环境中存在障碍物的概率散布。
一般来说，选用激光雷达、深度摄像头、超声波传感器等能够直接丈量间隔数据的传感器进行SLAM时，能够运用该地图。这种地图也能够经过间隔丈量传感器、超声波（前期）、激光雷达（现在）制作出来。
2、特征点地图
特征点地图，是用有关的几许特征（如点、直线、面）表明环境，常见于vSLAM（视觉SLAM）技能中。
比较栅格地图，这种地图看起来就不那么直观了。它一般经过如GPS、UWB以及摄像头合作稀少办法的vSLAM算法发生，长处是相对数据存储量和运算量比较小，多见于最早的SLAM算法中。
3、直接表征法
直接表征法中，省去了特征或栅格表明这一中间环节，直接用传感器读取的数据来结构机器人的位姿空间。
上图便是直接记载了屋子内天花板画面的图画地图。这种办法就像卫星地图相同，直接将传感器原始数据经过简略处理拼接构成地图，相对来说愈加直观。
4、拓扑地图
拓扑地图，是一种相对愈加笼统的地图办法，它把室内环境表明为带结点和相关衔接线的拓扑结构图，其间结点表明环境中的重要方位点（角落、门、电梯、楼梯等），边表明结点间的衔接联系，如走廊等。这种办法只记载地点环境拓扑链接联系，这类地图一般是由前几类地图经过相关算法提取得到。
比方扫地机器人要进行房间打扫的时分，就会树立这样的拓扑地图：
5.小结
在机器人技能中，SLAM的地图构建一般指的是树立与环境几许共同的地图。
一般算法中树立的拓扑地图只反映了环境中的各点衔接联系，并不能构建几许共同的地图，因而，这些拓扑算法不能被用于SLAM。
直接表征法相似卫星地图，它是直接运用传感器（一般是图画传感器）构建得到。这种办法的信息冗余度最大，关于数据存储是很大的应战，一起，机器人要从中提取出有用的数据也要耗费一番曲折，因而在实践运用中很少运用。
特征点地图又是另一个极点，尽管数据量少，可是它往往不能反响地点环境的一些有必要的信息，比方环境中障碍物的方位。vSLAM技能中，多选用这种地图来处理机器人定位问题。想让机器人进行自主避障和途径规划，还需求额定装备间隔传感器，如激光雷达、超声波来完结。
栅格地图，或许Occupancy Map（占有地图）刚好介于其间，一方面它能表明空间环境中的许多特征，机器人能够用它来进行途径规划，另一方面，它又不直接记载传感器的原始数据，相对完结了空间和时间耗费的最优。因而，栅格地图是现在机器人所广泛运用的地图存储办法。
思岚科技的SLAMWARE体系内部也选用这种地图办法。
当你翻开手机中的导航软件，在挑选前往目的地的最佳道路之前，首先要做的动作是什么呢？没错，便是定位。咱们要先知道自己在地图中的方位，才能够进行后续的途径规划。
在机器人实时定位问题中，因为经过机器人运动估量得到的机器人方位信息一般具有较大的差错，咱们还需求运用测距单元得到的周围环境信息更正机器人的方位。
现在，常见的测距单元包含激光测距、超声波测距以及图画测距三种。其间，凭仗激光杰出的指向性和高度聚集性，激光雷达已经成为移动机器人的中心传感器，一起它也是现在最牢靠、最安稳的定位技能。
自1988年被提出以来，SLAM的理论研究开展十分迅速。在实践运用时，除装备激光雷达外，还需求机器人具有IMU（惯性丈量单元）、里程计来为激光雷达供给辅佐数据，这一进程的运算耗费是巨大的，传统上需求PC等级的处理器，这也成为约束SLAM广泛运用的瓶颈之一。
那么，完结SLAM的进程中，都会遇到哪些坑呢？
