本文作为学习激光SLAM尤其是2D激光SLAM的学习笔记,理清楚很多问题的前因后果,历史发展事件等, 读史使人明智。
假设已经知道了激光SLAM的代表方案:ROS wiki官方集成了的2D激光slam方案, 基于滤波的gmapping (2007年)和基于图优化的cartographer(Google团队 2016年)的基本历史,之后的发展参阅文章 和 3D激光slam LOAM等方案。
着重,尽量理清之前的历史。
说明1:在激光雷达 laser lidar使用于slam之前,用的是声呐或者超声波等传感器。机器人周围放置N个声呐测距。
说明2:在slam(同时定位和建图,强调同时实时性)之前,建图和定位工作一般都是单独研究的。
说明3:现在ROS wiki中使用的集成好的slam包或者导航包,构建的占用栅格地图(occupancy grid map)是后来才发明出来的,最开始是其他类型的地图。
说明4:1980年前后,欧美已经开始研究机器人的导航问题、建图、定位、路径规划等。
Mapping-建图
1985年,占据栅格地图(occupancy grid map)的首作(大概是)
H. Moravec and A. Elfes, “High resolution maps from wide angle sonar,” _Proceedings. 1985 IEEE International Conference on Robotics and Automation_, St. Louis, MO, USA, 1985, pp. 116-121, doi: 10.1109/ROBOT.1985.1087316.
2002年,Robotic Mapping: A Survey,Sebastian Thrun 谷歌无人驾驶之父
—— 回顾建图历史,解释为什么用概率方法,卡尔曼滤波 期望最大值模型, 栅格地图,物体或障碍物地图,动态环境建图
PDF下载链接:http://robots.stanford.edu/papers/thrun.mapping-tr.pdf
Localization-定位
1999年,蒙特卡罗定位(基于粒子滤波)Monte Carlo localization (现在大部分基于激光slam的建图之后 导航后再定位都是基于蒙特卡罗定位方法的改进)(ROS导航包是ACML)
F. Dellaert, D. Fox, W. Burgard and S. Thrun, “Monte Carlo localization for mobile robots,” _Proceedings 1999 IEEE International Conference on Robotics and Automation (Cat. No.99CH36288C)_, Detroit, MI, USA, 1999, pp. 1322-1328 vol.2, doi: 10.1109/ROBOT.1999.772544.
PDF链接:http://web.cecs.pdx.edu/~mperkows/CLASS_479/S2006/localization-monte-carlo.pdf
其中,后两个作者是大名鼎鼎的《probabilistic robotics》中文版《概率机器人》的作者,其中Sebastian thrun 号称谷歌无人驾驶之父。
SLAM-同时定位与建图
——概念提出
1986年
Smith RC, Cheeseman P. On the Representation and Estimation of Spatial Uncertainty. _The International Journal of Robotics Research_. 1986;5(4):56-68. doi:10.1177/027836498600500404
1990s前的另一个研究队伍大咖 Hugh F. Durrant-Whyte 展开SLAM的 研究。
J. J. Leonard. Directed Sonar Sensing for Mobile Robot Navigation. PhD thesis,University of Oxford, 1990.
J. J. Leonard and H. F. Durrant-Whyte. Directed Sonar Navigation. Kluwer AcademicPress, 1992.
2000年,Rao-Blackwellised Particle Filtering 粒子滤波用在状态估计问题上。
A. Doucet, J.F.G. de Freitas, K. Murphy, and S. Russel. Rao-Blackwellized partcile filtering for dynamic bayesian networks. In Proc. of the Conf. on Uncertainty in Artificial Intelligence (UAI), pages 176–183, Stanford, CA, USA, 2000
PDF下载地址:https://arxiv.org/ftp/arxiv/papers/1301/1301.3853.pdf
——基于滤波的SLAM方案
2002年,FastSLAM 1.0 ,用到了Rao-Blackwellised Particle Filtering
M. Montemerlo, S. Thrun, D. Koller, and B. Wegbreit. FastSLAM: A factored solution to simultaneous localization and mapping. In Proc. of the National Conference on Artificial Intelligence (AAAI), pages 593–598, Edmonton, Canada, 2002.
PDF下载地址:http://robots.stanford.edu/papers/montemerlo.fastslam-tr.pdf
2003年,FastSLAM 2.0 及扩展版本
M. Montemerlo and S. Thrun. Simultaneous localization and mapping with unknown data association using FastSLAM. In Proc. of the IEEE Int. Conf. on Robotics & Automation (ICRA), pages 1985–1991, Taipei, Taiwan, 2003
FastSLAM 2.0: An Improved Particle Filtering Algorithm for Simultaneous Localization and Mapping that Provably Converges
2007年,Gmapping,集成在ROS的slam方案之一。Rao-Blackwellised Particle Filtering
G. Grisetti, C. Stachniss and W. Burgard, “Improved Techniques for Grid Mapping With Rao-Blackwellized Particle Filters,” in _IEEE Transactions on Robotics_, vol. 23, no. 1, pp. 34-46, Feb. 2007, doi: 10.1109/TRO.2006.889486.
2012年,EKF, UKF, FastSLAM2.0, and UKF-based FastSLAM的比较
Z. Kurt-Yavuz and S. Yavuz, “A comparison of EKF, UKF, FastSLAM2.0, and UKF-based FastSLAM algorithms,” _2012 IEEE 16th International Conference on Intelligent Engineering Systems (INES)_, Lisbon, 2012, pp. 37-43, doi: 10.1109/INES.2012.6249866.
——基于图优化的SLAM方案
1997年,第一次用图优化方案解决slam问题,
Lu, F. Milios, E. Globally Consistent Range Scan Alignment for Environment Mapping
2016年,Cartographer,谷歌公司团队产品(ROS slam包中已集成)
W. Hess, D. Kohler, H. Rapp and D. Andor, “Real-time loop closure in 2D LIDAR SLAM,” _2016 IEEE International Conference on Robotics and Automation (ICRA)_, Stockholm, 2016, pp. 1271-1278, doi: 10.1109/ICRA.2016.7487258.
补充-视觉SLAM
1.至于视觉SLAM方面,上世纪80年代陆续已经有人在研究,很多技术和论文最后汇总到了多视几何那本书中,大名鼎鼎的相机标定张正友法的张正友,那个年代就已经在法国研究视觉,玩过立体视觉导航的机器人。
2.在帝国理工学院的视觉大咖 Adrew Davison ,MonoSLAM(2007年)及其2003年的single camera slam方案之前,所有人或者大部分人认为视觉slam必须得靠 立体视觉 stereo(双目)才能搞定,直到大名鼎鼎的MonoSLAM出现,后面陆陆续续各种视觉slam出现和完善,如ORB-SLAM系列,很多语义slam都将ORB-SLAM作为现成的slam框架使用,事实上orbslam官方代码说明也说了它是一个slam的library,类似于学习C语言的库函数一样可以直接调用来使用,可见其成熟程度。
详细参考:https://blog.csdn.net/GGY1102/article/details/103396030
评论(0)
您还未登录,请登录后发表或查看评论