机器学习笔记 - 同步定位与地图构建 (SLAM)一、概述二、SLAM 示例三、工作原理四、SLAM的应用五、面临的挑战六、常见SLAM开源库七、常用第三方库八、参考资料

83 阅读 0 评论 55 点赞

一、概述

SLAM(simultaneous localization and mapping)，也称为CML (Concurrent Mapping and Localization), 即时定位与地图构建，或并发建图与定位。

视觉 SLAM 不涉及任何特定的算法或软件。它指的是确定传感器相对于其周围环境的位置和方向的过程，同时映射该传感器周围的环境。

SLAM 并不是真正的一种技术产品或单一系统。

相反，同时定位和映射是一个更广泛的概念，具有近乎无限的可变性。许多不同的软件解决方案和算法可以实现到基于 SLAM 的系统中，所有这些都取决于环境、用例和所涉及的其他技术。

有几种不同类型的 SLAM 技术，其中一些根本不涉及相机。Visual SLAM 是一种特定类型的 SLAM 系统，当环境和传感器的位置都不知道时，它利用 3D 视觉来执行定位和映射功能。视觉 SLAM 技术有不同的形式，但总体概念在所有视觉 SLAM 系统中的作用方式相同。

假设有一个家用扫地机器人。没有 SLAM，它只会在房间里随机移动，无法打扫整个地面空间。此外，这种方法会消耗更多功率，因此电池会更快耗尽。相反，采用 SLAM 的机器人可以使用滚轮转数等

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。