致謝-5554-移動(dòng)機(jī)器人室內(nèi)建圖導(dǎo)航技術(shù)發(fā)展研究的國(guó)內(nèi)外文獻(xiàn)綜述移動(dòng)機(jī)器人在諸多場(chǎng)景中工作，需要借助自身攜帶的各種信息傳感器對(duì)環(huán)境輪廓信息進(jìn)行采集，采集的數(shù)據(jù)經(jīng)過(guò)SLAM框架下各種算法的處理使機(jī)器人能夠在當(dāng)前環(huán)境中實(shí)現(xiàn)建圖、導(dǎo)航等功能[15]。SLAM技術(shù)經(jīng)過(guò)多年的發(fā)展，隨著實(shí)際需求的增加，相關(guān)算法也在不斷優(yōu)化迭代，從早期單一傳感器實(shí)現(xiàn)SLAM，到后面逐漸向著多傳感器融合的方向發(fā)展，機(jī)器人技術(shù)日趨智能化、高效化[16]，因此本節(jié)首先從早期簡(jiǎn)單SLAM進(jìn)行闡述介紹，介紹SLAM技術(shù)在發(fā)展過(guò)程中具有重大突破的諸多算法，到后面逐步進(jìn)入到多傳感器信息融合階段，著重介紹國(guó)內(nèi)外多傳感器信息融合的主流技術(shù)現(xiàn)狀。1SLAM相關(guān)傳感器及定位算法機(jī)器人能夠自主進(jìn)行導(dǎo)航等工作任務(wù)，首先就要解決機(jī)器人在陌生環(huán)境中的定位問(wèn)題[16]。多種類型的信息傳感器出現(xiàn)為解決這一問(wèn)題提供了必要的基礎(chǔ)支持，目前大多數(shù)研究就是在機(jī)器人本體上安裝多種傳感器，比如陀螺儀、全球衛(wèi)星導(dǎo)航定位系統(tǒng)（GPS）等實(shí)現(xiàn)機(jī)器人自身的定位。通過(guò)安裝激光雷達(dá)、單目相機(jī)、雙目相機(jī)、深度相機(jī)等實(shí)現(xiàn)機(jī)器人對(duì)環(huán)境信息的感知[17]。SLAM應(yīng)用領(lǐng)域廣泛，按其應(yīng)用行業(yè)可分為兩大類，即工業(yè)領(lǐng)域和商業(yè)領(lǐng)域[18]。商業(yè)用途方面，目前應(yīng)用最為成熟的是掃地機(jī)行業(yè)，而掃地機(jī)是移動(dòng)機(jī)器人中首先使用SLAM技術(shù)的，例如國(guó)內(nèi)的科沃斯、塔米掃地機(jī)、嵐豹掃地機(jī)都是采用SLAM算法結(jié)合激光雷達(dá)或者攝像頭的方法[19]，讓掃地機(jī)可以繪制較高質(zhì)量的室內(nèi)地圖，在此基礎(chǔ)上進(jìn)行導(dǎo)航等任務(wù)，成功步入了智能導(dǎo)航的陣列。除了掃地機(jī)之外，SLAM技術(shù)在其他服務(wù)機(jī)器人也有大量應(yīng)用，例如商場(chǎng)導(dǎo)購(gòu)機(jī)器人、銀行機(jī)器人、無(wú)人機(jī)、自動(dòng)駕駛等，可見(jiàn)SLAM技術(shù)的關(guān)鍵性[20]。工業(yè)用途主要是集中在AGV領(lǐng)域，隨著電商倉(cāng)儲(chǔ)領(lǐng)域以及制造業(yè)對(duì)機(jī)器人柔性化搬運(yùn)的需求不斷增加，使SLAM技術(shù)迎來(lái)越來(lái)越廣闊的市場(chǎng)[21]。將SLAM技術(shù)應(yīng)用在AGV物流小車上后，可以不用人工去預(yù)先鋪設(shè)任何軌道就可以使AGV完成導(dǎo)航等任務(wù)，對(duì)工廠生產(chǎn)線的升級(jí)改造和導(dǎo)航路線的變更都帶來(lái)了極大的便利性，同時(shí)使機(jī)器人具備實(shí)時(shí)避障功能，環(huán)境適應(yīng)能力更強(qiáng)，不僅如此，SLAM技術(shù)還能夠?qū)崿F(xiàn)多AGV小車的協(xié)調(diào)控制[22]。目前國(guó)內(nèi)有一些AGV企業(yè)都已開始將SLAM技術(shù)應(yīng)用到AGV上，借此實(shí)現(xiàn)真正的柔性導(dǎo)航。用在SLAM技術(shù)上的傳感器主要分為兩大類，一種是激光雷達(dá)，而另一種是攝像頭，為此，業(yè)內(nèi)人士也將SLAM分為激光SLAM和視覺(jué)SLAM[23]。視覺(jué)SLAM相比激光SLAM起步較晚，在理論、技術(shù)和產(chǎn)品落地上都相對(duì)不成熟?；谝曈X(jué)的SLAM方案目前主要有兩種實(shí)現(xiàn)路徑，一種是基于RGBD的深度攝像機(jī)，比如Kinect；還有一種就是基于單目、雙目或者魚眼攝像頭的。視覺(jué)SLAM目前尚處于進(jìn)一步研發(fā)和應(yīng)用場(chǎng)景拓展的階段[24]。激光SLAM和視覺(jué)SLAM的優(yōu)缺點(diǎn)如表1-1所示[25]。表1-1激光SLAM與視覺(jué)SLAM優(yōu)缺點(diǎn)優(yōu)/缺點(diǎn)激光SLAM視覺(jué)SLAM優(yōu)點(diǎn)可靠性高、技術(shù)成熟建構(gòu)簡(jiǎn)單，安裝方式便捷建圖直觀、精度高無(wú)傳感器探測(cè)距離限制構(gòu)建的地圖可用于路徑規(guī)劃可提供環(huán)境語(yǔ)義信息缺點(diǎn)探測(cè)距離有限受光照影響大，低紋理環(huán)境無(wú)法工作安裝結(jié)構(gòu)有要求運(yùn)算量大，構(gòu)建的地圖無(wú)法直接用于路徑規(guī)劃地圖缺乏語(yǔ)義信息構(gòu)建地圖時(shí)存在累計(jì)誤差機(jī)器人在運(yùn)行時(shí)，不管是建圖還是導(dǎo)航，其功能的實(shí)現(xiàn)都必須在獲取精確定位的基礎(chǔ)上進(jìn)行。根據(jù)參考坐標(biāo)系的不同，定位技術(shù)一般可以分為相對(duì)定位和絕對(duì)定位兩種[26]。如今最典型的絕對(duì)定位方法是美國(guó)的全球衛(wèi)星導(dǎo)航系統(tǒng)GPS（GlobalPositioningSystem,GPS)。由于導(dǎo)航定位系統(tǒng)在軍事、基礎(chǔ)設(shè)施建設(shè)等方面的重要性日趨提升，世界各國(guó)也都在加緊自己的全球衛(wèi)星導(dǎo)航系統(tǒng)的研發(fā)，目前技術(shù)較為成熟的有我國(guó)自主研發(fā)的北斗導(dǎo)航系統(tǒng)、俄羅斯的GLONASS，歐洲的GALILEO，這些導(dǎo)航系統(tǒng)都將對(duì)人類未來(lái)的生活產(chǎn)生深刻的影響[27]。GPS系統(tǒng)主要是通過(guò)衛(wèi)星提供位姿信息來(lái)實(shí)現(xiàn)定位，因此在無(wú)法接受衛(wèi)星信號(hào)的場(chǎng)景下，GPS系統(tǒng)就無(wú)法發(fā)揮定位作用，如在室內(nèi)環(huán)境、水下、山洞等環(huán)境下[28]。在早期，磁羅盤在定位導(dǎo)航方面被廣泛應(yīng)用，它是一種依賴地磁固有指向性來(lái)提供空間絕對(duì)姿態(tài)的一種設(shè)備，在航海導(dǎo)航、飛機(jī)飛行姿態(tài)獲取等領(lǐng)域都有廣泛應(yīng)用，但是由于它是依賴地磁進(jìn)行導(dǎo)向的，因此它也更容易受到磁場(chǎng)的干擾，當(dāng)載體的運(yùn)動(dòng)狀態(tài)發(fā)生較大的突變時(shí)，其測(cè)量誤差較大，因此不適合在高海拔或者高緯度等磁性干擾比較大的地方使用[29]。在機(jī)器人領(lǐng)域，由于機(jī)器人大部分應(yīng)用場(chǎng)景都是在室內(nèi)環(huán)境中，室內(nèi)環(huán)境封閉、狹窄、復(fù)雜的特性致使先前用于室外的定位技術(shù)都無(wú)法很好的應(yīng)用到機(jī)器人身上[30]，為使機(jī)器人在室內(nèi)環(huán)境中實(shí)現(xiàn)精確的定位，相對(duì)定位技術(shù)由此而生。相對(duì)定位技術(shù)利用載體上的各種傳感器對(duì)環(huán)境信息進(jìn)行采集，然后結(jié)合載體本身的運(yùn)動(dòng)信息，根據(jù)載體初始狀態(tài)推算出各個(gè)時(shí)刻下機(jī)器人在環(huán)境中的位置和姿態(tài)，從而實(shí)現(xiàn)自身相對(duì)于環(huán)境之間的位置關(guān)系描述[31]，但是這種方法同樣存在累計(jì)誤差大的缺點(diǎn)，時(shí)間越長(zhǎng)累計(jì)誤差越大。如今隨著SLAM技術(shù)的不斷發(fā)展，針對(duì)相對(duì)定位技術(shù)的傳感器也越來(lái)越多，如下圖1-1所示的雙目相機(jī)、激光雷達(dá)、慣性測(cè)量單元（IMU）、毫米波雷達(dá)等[32]。這些應(yīng)用到SLAM領(lǐng)域的傳感器大致可以分為兩類，一類是內(nèi)感傳感器，其主要測(cè)量的是機(jī)器人自身的運(yùn)動(dòng)數(shù)據(jù)，例如IMU測(cè)量的是機(jī)器人實(shí)時(shí)的角速度和線加速度，輪式編碼器測(cè)量的是機(jī)器人電機(jī)的轉(zhuǎn)速信息。另一類是外感傳感器，外感傳感器是以機(jī)器人自身為原點(diǎn)對(duì)環(huán)境進(jìn)行信息采集，通過(guò)靜態(tài)環(huán)境的數(shù)據(jù)來(lái)實(shí)現(xiàn)自身的定位，比如激光雷達(dá)和毫米波雷達(dá)，激光雷達(dá)通常是根據(jù)激光束在空間中反射回來(lái)的信息來(lái)實(shí)現(xiàn)距離的測(cè)量[33]。單/雙目相機(jī)根據(jù)小孔成像原理，實(shí)現(xiàn)環(huán)境信息的獲取，應(yīng)用較廣泛的有RGB-D相機(jī)，它是一款主動(dòng)/被動(dòng)傳感器，環(huán)境信息投影到成像平面，同時(shí)相機(jī)主動(dòng)發(fā)出紅外光，通過(guò)結(jié)構(gòu)光或者ToF技術(shù)實(shí)現(xiàn)環(huán)境中障礙物距離相機(jī)的深度探測(cè)，技術(shù)性能較優(yōu)越的還有英特爾的RealSence系列產(chǎn)品和微軟的kinetic等產(chǎn)品[34]。a慣性測(cè)量單元b雙目攝像頭c毫米波雷達(dá)d激光雷達(dá)圖1-1傳感器類別針對(duì)不同的應(yīng)用場(chǎng)景和功能需求，移動(dòng)機(jī)器人通常搭配多個(gè)傳感器實(shí)現(xiàn)自身位置信息和環(huán)境信息的獲取，同時(shí)根據(jù)各個(gè)傳感器各自的優(yōu)缺點(diǎn)，進(jìn)行互補(bǔ)性的搭配能夠有效提高機(jī)器人建圖導(dǎo)航性能[35]，不同的傳感器其優(yōu)缺點(diǎn)如下表1-2所示。表1-2SLAM傳感器類別傳感器類別精度優(yōu)點(diǎn)缺點(diǎn)雙目相機(jī)厘米級(jí)環(huán)境信息豐富，定位精度高受光照影響大，定位算法復(fù)雜慣導(dǎo)米級(jí)成本低，易安裝累計(jì)誤差大激光雷達(dá)厘米級(jí)定位精度高，掃描速度快在雨霧及沙塵天氣下使用受限磁羅盤度級(jí)體積小，功耗低易受磁場(chǎng)干擾GPS米級(jí)全局定位，使用方便信號(hào)易受天氣和環(huán)境的影響RGB-D相機(jī)厘米級(jí)可獲得環(huán)境的深度信息測(cè)量距離短，易受紅外光干擾2多傳感器融合技術(shù)發(fā)展現(xiàn)狀隨著機(jī)器人應(yīng)用領(lǐng)域的不斷拓展，對(duì)機(jī)器人智能化要求也越來(lái)越高，如何在復(fù)雜的室內(nèi)環(huán)境下獲取精確的環(huán)境信息輔助機(jī)器人實(shí)現(xiàn)定位導(dǎo)航等功能是目前亟待解決的首要問(wèn)題。由于單一傳感器只能獲取部分環(huán)境特征信息，已無(wú)法滿足機(jī)器人適應(yīng)復(fù)雜環(huán)境的要求，因此多傳感器融合技術(shù)逐漸得到眾多研究者的重視，并且已成為目前SLAM技術(shù)領(lǐng)域的研究熱點(diǎn)[36]。像人類和其它動(dòng)物一樣，將聲音、圖像、氣味等感覺(jué)器官獲取到的信息進(jìn)行綜合處理就會(huì)讓我們得出更加準(zhǔn)確的判斷，機(jī)器人同樣如此，對(duì)多種傳感器獲取到的環(huán)境信息數(shù)據(jù)進(jìn)行融合可以提高機(jī)器人對(duì)所探測(cè)環(huán)境障礙物的信息獲取能力[37]。目前，在戰(zhàn)場(chǎng)態(tài)勢(shì)感知、交通物流、醫(yī)療救助、氣象偵測(cè)等領(lǐng)域中，多傳感器融合技術(shù)得到了廣泛應(yīng)用和重視。數(shù)據(jù)融合是一個(gè)多線程、多層面的數(shù)據(jù)處理流程，通過(guò)融合算法將來(lái)自多個(gè)傳感器的環(huán)境信息數(shù)據(jù)進(jìn)行檢測(cè)、估計(jì)、相關(guān)、組合等處理。其示意圖如下圖1-2所示圖1-2多傳感器數(shù)據(jù)融合多傳感器融合算法通過(guò)整合更多的傳感器數(shù)據(jù)來(lái)提高機(jī)器人在室內(nèi)環(huán)境下的系統(tǒng)性能。其中涉及建圖算法、定位算法、路徑規(guī)劃算法等。經(jīng)前面的分析，相機(jī)由于能夠獲取到更多的環(huán)境信息且成本低，廣泛應(yīng)用于室內(nèi)移動(dòng)機(jī)器人[38]，因此，本文主要介紹相機(jī)與其他傳感器進(jìn)行融合的相關(guān)算法。單目視覺(jué)中相機(jī)的相對(duì)運(yùn)動(dòng)信息采用定位算法通過(guò)相鄰幀間的基本矩陣獲取，但是提取出的運(yùn)動(dòng)尺度恢復(fù)效果較差，極大的影響定位精度。為解決此問(wèn)題，能夠得到尺度信息的相機(jī)應(yīng)該首先被考慮使用，如RGB-D相機(jī)，ZED雙目相機(jī)，但是這類相機(jī)同樣會(huì)存在一些不可避免的問(wèn)題，如基線長(zhǎng)度太長(zhǎng)導(dǎo)致相機(jī)體積過(guò)大不易安裝的問(wèn)題，太短又導(dǎo)致無(wú)法得到高可靠性的定位精度的問(wèn)題，另外一種方式是使用慣性測(cè)量裝置來(lái)提供運(yùn)動(dòng)的尺度信息，比如慣性測(cè)量單元（IMU），IMU由于能夠提供高頻率和較穩(wěn)定的尺度信息現(xiàn)已被廣泛應(yīng)用于各種傳感器融合算法當(dāng)中[39]。VINS（VisualInertialNavigationSystem）算法是香港科技大學(xué)沈劭劼團(tuán)隊(duì)提出的單目視覺(jué)與慣導(dǎo)融合的SLAM方案，采用基于優(yōu)化和滑動(dòng)窗口的VIO（VisualOdometry），使用IMU預(yù)積分構(gòu)建緊耦合框架，并且具備在線外參標(biāo)定、自動(dòng)初始化、閉環(huán)檢測(cè)、重定位以及全局位姿圖優(yōu)化等功能。在該算法中，單目相機(jī)與IMU進(jìn)行數(shù)據(jù)融合，將IMU的高動(dòng)態(tài)性和相機(jī)視覺(jué)的高精度優(yōu)點(diǎn)結(jié)合起來(lái)，這些年來(lái)，尤其是在無(wú)人機(jī)這類高動(dòng)態(tài)性的場(chǎng)合中應(yīng)用最為廣泛，因此備受SLAM領(lǐng)域研究者的青睞。Langelan與其同事將IMU坐標(biāo)系的位姿信息和地圖點(diǎn)信息添加到擴(kuò)展卡爾曼濾波的狀態(tài)向量中進(jìn)行計(jì)算，這種方法的優(yōu)勢(shì)在于能夠?qū)鞲衅鳙@取到的信息最大化利用[40]，但是會(huì)存在在算法運(yùn)行過(guò)程中，算法效率會(huì)因狀態(tài)向量的增加而逐漸降低的問(wèn)題，為解決此計(jì)算效率低下的問(wèn)題，Roumeliotis與其同事通過(guò)對(duì)擴(kuò)展卡爾曼濾波的狀態(tài)向量進(jìn)行邊緣化處理來(lái)提高算法的效率，保證了在每次濾波時(shí)只保留狀態(tài)向量中的IMU位姿并將其它的地圖點(diǎn)邊緣化，降低了計(jì)算的復(fù)雜度[41]，但是這種方法會(huì)在邊緣化的時(shí)候使系統(tǒng)的可觀性發(fā)生變化導(dǎo)致算法的連續(xù)性隨著時(shí)間的增加而變的越來(lái)越差。明尼蘇達(dá)大學(xué)MARS實(shí)驗(yàn)室的Anastasios提出了一種多狀態(tài)約束視覺(jué)慣性導(dǎo)航算法MSCCKF，這種算法通過(guò)限定狀態(tài)向量中的成分來(lái)保證狀態(tài)向量中位姿的數(shù)量和地圖點(diǎn)保持在一定限度之下，在新的位姿和地圖點(diǎn)被添加進(jìn)來(lái)后，舊的位姿和地圖點(diǎn)會(huì)被邊緣化，從而可以最大化保證算法的精確性[42]。近年來(lái)隨著計(jì)算機(jī)技術(shù)的發(fā)展，計(jì)算機(jī)的運(yùn)算能力不斷提升，使更復(fù)雜的SLAM算法實(shí)現(xiàn)實(shí)時(shí)性成為可能。為得到更加精確的運(yùn)算結(jié)果，優(yōu)化技術(shù)也逐步被加入到SLAM算法中[43]，例如在VINS算法中Strasdata等人從兩方面進(jìn)行對(duì)比，一是在精度方面，二是和基于優(yōu)化的方法進(jìn)行對(duì)比，研究了濾波算法的局限性，通過(guò)采用優(yōu)化的方法，不管是在精度上還是全局一致性上都要比基于濾波的方法更加優(yōu)越。Leutengger等人通過(guò)采用IMU動(dòng)態(tài)方程進(jìn)行狀態(tài)的預(yù)測(cè)，將預(yù)測(cè)出的視覺(jué)觀測(cè)值和狀態(tài)進(jìn)行緊耦合優(yōu)化，將IMU的累計(jì)誤差還有速度也當(dāng)做被優(yōu)化的變量放到優(yōu)化的過(guò)程中去，通過(guò)這種方法可以得到更加準(zhǔn)確的估計(jì)值[44]。但是會(huì)存在位姿在每次優(yōu)化后會(huì)產(chǎn)生改變的問(wèn)題，為避免對(duì)算法的實(shí)時(shí)性形成較大的影響需要對(duì)IMU的預(yù)測(cè)進(jìn)行重先計(jì)算。Forster等提出了基于流形的IMU離散預(yù)積分算法，該方法通過(guò)將IMU傳感器的高頻率信號(hào)采用積分的方法轉(zhuǎn)換到低頻率上，最后通過(guò)基于流形的方式對(duì)數(shù)據(jù)進(jìn)行處理，進(jìn)而提取積分中一部分有關(guān)初值的變量來(lái)保證在每一次優(yōu)化過(guò)程中都不再對(duì)積分結(jié)果進(jìn)行重復(fù)更新，不僅如此，還可以保證低頻率的相機(jī)位姿得到約束，大大提高了數(shù)據(jù)精度。如今在自動(dòng)化與無(wú)人化的大趨勢(shì)下，SLAM技術(shù)的重要性更加凸顯，SLAM技術(shù)日趨完善并逐步滲透到人類社會(huì)的各個(gè)方面，因此其帶來(lái)的廣闊的市場(chǎng)使得國(guó)內(nèi)外涌現(xiàn)出了一大批優(yōu)秀的機(jī)器人研發(fā)生產(chǎn)企業(yè)，如表1-3列出了目前國(guó)內(nèi)外在機(jī)器人領(lǐng)域取得較好成績(jī)的部分企業(yè)。表1-3國(guó)內(nèi)外SLAM技術(shù)研究企業(yè)企業(yè)基本情況技術(shù)優(yōu)勢(shì)布科思2014年成立，主營(yíng)機(jī)器人、傳感器以及定位導(dǎo)航方案主要使用激光雷達(dá)，結(jié)合超寬帶技術(shù)、超聲波和紅外實(shí)現(xiàn)定位米克力美2009年成立，主要研發(fā)制造自主移動(dòng)機(jī)器人采用激光SLAM方案高仙2013年成立，主要提供移動(dòng)機(jī)器人柔性導(dǎo)航控制模塊高仙SLAM2.0技術(shù)方案提高了SLAM多項(xiàng)技術(shù)指標(biāo)，且將導(dǎo)航環(huán)節(jié)涵蓋了進(jìn)來(lái)，為用戶提供了一套完整的機(jī)器人自主定位、建圖和導(dǎo)航應(yīng)用系統(tǒng)遠(yuǎn)形時(shí)空成立于2016年，專注于視覺(jué)SLAM技術(shù)的研發(fā)和產(chǎn)品化2017年完成了研發(fā)高定位精度和高穩(wěn)定性的單目視覺(jué)導(dǎo)航模塊靈喵2015年成立，提供室內(nèi)外通用模塊化激光SLAM自主定位導(dǎo)航系統(tǒng)解決方案主打產(chǎn)品NAVI-BOX(自主導(dǎo)航盒子），應(yīng)用領(lǐng)域涵蓋了幾乎所有類型的自主機(jī)器人場(chǎng)景思坦德2016年成立，主要專注于移動(dòng)機(jī)器人以及物流解決方案供應(yīng)融合多種傳感器數(shù)據(jù)（激光雷達(dá)、里程計(jì)、慣性測(cè)量單元、攝像頭等），幫助機(jī)器人獲得場(chǎng)景地圖信息，從而使機(jī)器人具備自主移動(dòng)、路徑規(guī)劃、場(chǎng)景理解等能力。思嵐科技2013年成立，主營(yíng)激光雷達(dá)即模塊化自主定位導(dǎo)航解決方案其SLAMWARE是一種單模塊化的機(jī)器人自主定位導(dǎo)航系統(tǒng)速感科技2014年成立，機(jī)器視覺(jué)解決方案提供商其VSLAM算法可以融合多種傳感器數(shù)據(jù)獲得穩(wěn)定且準(zhǔn)確的位置姿態(tài)信息，并且可幫助機(jī)器人等智能設(shè)備獲取三維空間環(huán)境信息，使其具備自主移動(dòng)、路徑規(guī)劃、場(chǎng)景理解等能力。參考文獻(xiàn)曹文祥,馮雪梅.工業(yè)機(jī)器人研究現(xiàn)狀及發(fā)展趨勢(shì)[J].機(jī)械制造,2011,49(02):41-43.陳衛(wèi)東,張飛.移動(dòng)機(jī)器人的同步自定位與地圖創(chuàng)建研究進(jìn)展[J].控制理論用,2005(03):455-460.黃劍雄,劉小雄,章衛(wèi)國(guó)等.基于視覺(jué)/慣導(dǎo)的無(wú)人機(jī)組合導(dǎo)航算法研究[J].計(jì)算機(jī)測(cè)量與控制,2021,29(02):137-143+149.田野,陳宏巍,王法勝等.室內(nèi)移動(dòng)機(jī)器人的SLAM算法綜述[J/OL].計(jì)算機(jī)科學(xué):1-26[2021-03-12].張大偉,蘇帥.自主移動(dòng)機(jī)器人視覺(jué)SLAM技術(shù)研究[J].鄭州大學(xué)學(xué)報(bào)(理學(xué)版),2021,53(01):1-8.林國(guó)聰,薛斌強(qiáng),王冬青.基于圖優(yōu)化的SLAM后端優(yōu)化算法研究[J].電子設(shè)計(jì)工程,2020,28(24):6-10+16.丁歆甯.基于機(jī)器視覺(jué)的室內(nèi)定位與地圖構(gòu)建研究[D].南京郵電大學(xué),2020.周建偉.基于多傳感器的移動(dòng)機(jī)器人自主探索建圖系統(tǒng)的研究與實(shí)現(xiàn)[D].南京郵電大學(xué),2020.王馨閣,田宗強(qiáng),陳文濤等.基于改進(jìn)RBPF的激光SLAM算法研究[J].安徽工程大學(xué)學(xué)報(bào),2020,35(06):18-25.李宏達(dá),范繼祥.基于ROS的輪式機(jī)器人建模與路徑規(guī)劃仿真[J].哈爾濱師范大學(xué)自然科學(xué)學(xué)報(bào),2020,36(06):16-23.徐波,陳歡,田定勝等.基于Dijkstra的智能巡檢機(jī)器人避障算法[J].供用電,2020,37(12):74-80.劉剛,葛洪偉.視覺(jué)慣導(dǎo)SLAM初始化算法研究[J/OL].計(jì)算機(jī)科學(xué)與探索:1-11[2021-03-12].李榮冰,王智奇,廖自威.激光雷達(dá)/MEMS微慣性組合室內(nèi)導(dǎo)航算法研究[J].傳感