Samtidig lokalisering och kartläggning (SLAM)

Simultaneous Localization and Mapping, även känd som SLAM, är processen att samla in data från den fysiska världen, med hjälp av många sensorer installerade i roboten. Därefter genereras denna data till kartor för senare navigering. SLAM gör det lättare för roboten att lokalisera sig själv, tolka data genom visuella punkter, bygga en karta och använda den för att navigera samtidigt.

när en person försöker identifiera sig runt en okänd plats. Det första steget är att titta runt för att hitta välbekanta markörer eller tecken. När personen väl känner igen ett välbekant landmärke kan han ta reda på var han befinner sig i förhållande till det. Ju mer den personen observerar miljön, desto mer landmärken kommer att bli bekanta för honom och han kommer att börja bygga en mental bild, eller karta, av den platsen. Han kan behöva navigera i den här miljön flera gånger innan han blir bekant med en tidigare okänd plats. På ett relaterat sätt använder en SLAM-robot sina sensorer (Sonor, laser eller kameror) för att kartlägga miljön samtidigt som den tar reda på sin egen plats.

Populariteten för SLAM-problemet är korrelerad med framväxten av mobil inomhusrobotik. Användningen av GPS har inget utrymme att begränsa lokaliseringsfelet för inomhusbruk, som t.ex Telenärvaro, service och desinfektionsrobotar. Dessutom erbjuder SLAM ett tilltalande alternativ till användarbyggda kartor, som visar att robotdrift är tillgänglig även i avsaknad av en lokaliseringsinfrastruktur för ändamålsspecifikationer.

Referens: Lära robotars närvaro: Vad du behöver veta om SLAM

[launchpad_feedback]

Friskrivningsklausul: Informationen i den här artikeln är endast för förklarande syfte. SIFSOF ansvarar varken för missbruk eller felaktig eller slumpmässig användning av robotarna.