文章將介紹使用的基于機(jī)器人操作系統(tǒng)（ROS）框架工作的SLAM算法。 在ROS中提供的五種基于2D激光的SLAM算法分別是：HectorSLAM，Gmapping，KartoSLAM，CoreSLAM和LagoSLAM。當(dāng)然最后還有比較經(jīng)典的google開(kāi)源的cartographer，雖然不是基于ROS的但是大牛們已經(jīng)將它修改為基于ＲＯＳ的版本的cartographer_ros,

ROS(Robot Operating System)是一個(gè)基于Linux的開(kāi)源操作系統(tǒng)，目的在于構(gòu)建一個(gè)能夠整合不同研究成果，實(shí)現(xiàn)算法，代碼重用的機(jī)器人軟件平臺(tái)。ROS是當(dāng)前比較流行的機(jī)器人控制框架，它讓我們節(jié)省時(shí)間構(gòu)建機(jī)器人的系統(tǒng)框架，更專注算法層面的研究。極大的提高了開(kāi)發(fā)效率。提供了包括硬件抽象描述、底層設(shè)備控制、常用功能的實(shí)現(xiàn)，程序間信息的傳遞、程序包管理以及一些可視化數(shù)據(jù)程序和軟件庫(kù)，并在此平臺(tái)的基礎(chǔ)上開(kāi)源了很多諸如定位構(gòu)圖，運(yùn)動(dòng)與規(guī)劃，感知與決策等應(yīng)用軟件包。

??機(jī)器人爆炸式增長(zhǎng)的一個(gè)主要問(wèn)題是不能在不同的機(jī)器人平臺(tái)上重復(fù)使用代碼。然而，ROS中的硬件抽象層及其消息服務(wù)允許創(chuàng)建可用于許多不同機(jī)器人平臺(tái)的新代碼。而且，ROS提供了一套穩(wěn)定的機(jī)器人軟件包，公認(rèn)的SLAM評(píng)估方法都依賴于機(jī)器人社區(qū)可用的標(biāo)準(zhǔn)數(shù)據(jù)集。 本文中研究了基于激光的主要二維SLAM算法，所有SLAM的結(jié)果都使用占用網(wǎng)格作為最終輸出，使用地圖相似性的性能指標(biāo)進(jìn)行分析。 重點(diǎn)是放在地圖質(zhì)量，而不是姿態(tài)估計(jì)誤差，因?yàn)橛成漭敵鍪艿奖镜鼗瘑?wèn)題的高度影響。 主要目標(biāo)是提供ROS中所有五種算法的優(yōu)缺點(diǎn)概述，提供簡(jiǎn)單而準(zhǔn)確的定量比較，從而為ROS開(kāi)發(fā)者定義一個(gè)通用的指導(dǎo)方針，以選擇最符合他們需求的算法。

（1）HectorSLAM

HectorSLAM是一種結(jié)合了魯棒性較好的掃描匹方法2D SLAM方法和使用慣性傳感系統(tǒng)的導(dǎo)航技術(shù)。傳感器的要求：高更新頻率小測(cè)量噪聲的激光掃描儀.不需要里程計(jì),使空中無(wú)人機(jī)與地面小車在不平坦區(qū)域運(yùn)行存在運(yùn)用的可能性.作者利用現(xiàn)代激光雷達(dá)的高更新率和低距離測(cè)量噪聲，通過(guò)掃描匹配實(shí)時(shí)地對(duì)機(jī)器人運(yùn)動(dòng)進(jìn)行估計(jì)。所以當(dāng)只有低更新率的激光傳感器時(shí)，即便測(cè)距估計(jì)很精確，對(duì)該系統(tǒng)都會(huì)出現(xiàn)一定的問(wèn)題，如下圖是該系統(tǒng)生成的二維地圖。

http://kaspar.informatik.uni-freiburg.de/~slamEvaluation/datasets.php

http://www.ros.org/wiki/hector_slam

利用已經(jīng)獲得的地圖對(duì)激光束點(diǎn)陣進(jìn)行優(yōu)化, 估計(jì)激光點(diǎn)在地圖的表示,和占據(jù)網(wǎng)格的概率.，其中掃描匹配利用的是高斯牛頓的方法進(jìn)行求解. 找到激光點(diǎn)集映射到已有地圖的剛體轉(zhuǎn)換(x,y,theta).具體的公式如下：

? ? ? ? ? ? ?

?下圖二維地圖是hectorSLAM 多分辨率地圖的表示。 網(wǎng)格單元格長(zhǎng)度（從左到右）：20厘米，10厘米和5厘米 ，使用多分辨率地圖表示，以避免陷入局部最小化。 這個(gè)解決方案背后的想法是在內(nèi)存中有不同的地圖，同時(shí)使用之前估計(jì)的姿勢(shì)來(lái)更新它們。 計(jì)算成本?仍然很低，所以地圖總是一致的

?最后，3D空間導(dǎo)航狀態(tài)估計(jì)是基于EKF濾波器。 但是，這種情況是僅在IMU存在時(shí)才需要，例如在空中機(jī)器人的情況下。 因此，這里我們只討論二維的SLAM

它會(huì)將不再這項(xiàng)工作中使用。如下圖顯示了HectorSLAM方法的概述。

?（2）Gmapping

Gmapping是一種基于激光的SLAM算法，它已經(jīng)集成在ROS中，是移動(dòng)機(jī)器人中使用最多的SLAM算法。這個(gè)算法已經(jīng)由Grisetti等人提出是一種基于?Rao-Blackwellized的粒子濾波的 SLAM方法?；诹Ｗ訛V波的算法用許多加權(quán)粒子表示路徑的后驗(yàn)概率，每個(gè)粒子都給出一個(gè)重要性因子。但是，它們通常需要大量的粒子才能獲得比較好的的結(jié)果，從而增加該算法的的計(jì)算復(fù)雜性。此外，與PF重采樣過(guò)程相關(guān)的粒子退化耗盡問(wèn)題也降低了算法的準(zhǔn)確性。粒子退化問(wèn)題包括在重采樣階段從樣本集粒子中消除大量的粒子。發(fā)生這種情況是因?yàn)樗鼈兊闹匾詸?quán)重可能變得微不足道。因此，這意味著有一定的小概率時(shí)間會(huì)消除正確的假設(shè)的粒子。為了避免粒子的退化問(wèn)題，已經(jīng)開(kāi)發(fā)了自適應(yīng)重采樣技術(shù)。

作者還提出了一種計(jì)算精確分布的方法，不僅考慮機(jī)器人平臺(tái)的運(yùn)動(dòng)，還考慮最近的觀察。提出了在使用測(cè)距運(yùn)動(dòng)模型時(shí)結(jié)合觀測(cè)值提出建議分布。然而，當(dāng)一個(gè)移動(dòng)機(jī)器人裝備一個(gè)非常精確的傳感器LRF時(shí)，可以使用該傳感器的模型，因?yàn)樗梢詫?shí)現(xiàn)了極高的似然函數(shù)。 基于此，作者整合了最近的傳感器觀測(cè)zt，并且他們計(jì)算高斯分布近似有效地獲得下一代粒子分布。

?

這種自適應(yīng)重采樣降低了PF預(yù)測(cè)步驟中機(jī)器人姿態(tài)的不確定性。 結(jié)果，由于掃描匹配過(guò)程，所需的粒子數(shù)量減少，因?yàn)椴淮_定性較低。 實(shí)驗(yàn)中，Gmapping使用的粒子數(shù)量是30，與普通PF方法相比，這是非常低的。

?（3）LagoSLAM

???LagoSLAM 是線性近似圖優(yōu)化,不需要初始假設(shè)?；镜膱D優(yōu)化slam的方法就是利用最小化非線性非凸代價(jià)函數(shù).每次迭代, 解決局部凸近似的初始問(wèn)題來(lái)更新圖配置,過(guò)程迭代一定次數(shù)直到局部最小代價(jià)函數(shù)達(dá)到. (假設(shè)起始點(diǎn)經(jīng)過(guò)多次迭代使得局部代價(jià)函數(shù)最小).?。假設(shè)圖中每個(gè)節(jié)點(diǎn)的相對(duì)位置和方向都是獨(dú)立的，作者求解了一個(gè)等價(jià)于非凸代價(jià)函數(shù)的方程組。為此，提出了一套基于圖論的程序，通過(guò)線性定位和線性位置估計(jì)，得到非線性系統(tǒng)的一階近似。

?（4）KartoSLAM

KartoSLAM是基于圖優(yōu)化的方法，用高度優(yōu)化和非迭代?cholesky矩陣進(jìn)行稀疏系統(tǒng)解耦作為解．圖優(yōu)化方法利用圖的均值表示地圖，每個(gè)節(jié)點(diǎn)表示機(jī)器人軌跡的一個(gè)位置點(diǎn)和傳感器測(cè)量數(shù)據(jù)集，箭頭的指向的連接表示連續(xù)機(jī)器人位置點(diǎn)的運(yùn)動(dòng)，每個(gè)新節(jié)點(diǎn)加入，地圖就會(huì)依據(jù)空間中的節(jié)點(diǎn)箭頭的約束進(jìn)行計(jì)算更新．

　　KartoSLAM的ROS版本，其中采用的稀疏點(diǎn)調(diào)整（the Spare Pose Adjustment(SPA)）與掃描匹配和閉環(huán)檢測(cè)相關(guān)．landmark越多,內(nèi)存需求越大,然而圖優(yōu)化方式相比其他方法在大環(huán)境下制圖優(yōu)勢(shì)更大.在某些情況下KartoSLAM更有效,因?yàn)樗麅H包含點(diǎn)的圖(robot pose),求得位置后再求map.

?（5）CoreSLAM

? ? ? ? COreSLAM最小化性能損失的一種slam算法.將算法簡(jiǎn)化為距離計(jì)算與地圖更新的兩個(gè)過(guò)程,? 第一步,每次掃描輸入,基于簡(jiǎn)單的粒子濾波算法計(jì)算距離,粒子濾波的匹配器用于激光與地圖的匹配,每個(gè)濾波器粒子代表機(jī)器人可能的位置和相應(yīng)的概率權(quán)重,這些都依賴于之前的迭代計(jì)算. 選擇好最好的假設(shè)分布,即低權(quán)重粒子消失,新粒子生成..在更新步驟,掃描得到的線加入地圖中,當(dāng)障礙出現(xiàn)時(shí),圍繞障礙點(diǎn)繪制調(diào)整點(diǎn)集,而非僅一個(gè)孤立點(diǎn)。

　　　　　　　　　　　

?以上各種激光測(cè)距儀的ＳＬＡＭ的算法的對(duì)比：

（6）cartographer

cartographer是Google的實(shí)時(shí)室內(nèi)建圖項(xiàng)目，傳感器安裝在背包上面，可以生成分辨率為5cm的2D格網(wǎng)地圖。獲得的每一幀laser scan數(shù)據(jù)，利用scan match在最佳估計(jì)位置處插入子圖（submap）中，且scan matching只跟當(dāng)前submap有關(guān)。在生成一個(gè)submap后，會(huì)進(jìn)行一次局部的回環(huán)（loop close），利用分支定位和預(yù)先計(jì)算的網(wǎng)格，所有submap完成后，會(huì)進(jìn)行全局的回環(huán)。