SLAM作為機器人自主定位導航的重要突破口正不斷引起業(yè)內重視，它是實現機器人自主行走的關鍵技術，可幫助機器人實現即時定位與地圖構建，在實際應用中，SLAM技術究竟又是如何實現的呢？一起來探個究竟。

在這一技術實現過程中主要包含預處理、匹配及地圖融合三大步驟：

預處理

預處理是對激光雷達原始數據進行優(yōu)化，剔除一些有問題的數據，或進行濾波。我們都知道機器人想要完成定位及建圖，需要搭配激光雷達來實現，激光雷達可獲取它所在位置的環(huán)境信息，也就是我們通常說的點云，但它只能反映機器人所在環(huán)境中的一個部分。

匹配

匹配是一個非常關鍵的步驟，是指將當前一局部環(huán)境的點云數據在已建立的地圖上尋找到對應的位置。說其關鍵是因為它直接影響了SLAM地圖構建的精度，這與拼圖游戲有點類似，就是在已拼好的畫面中找到相似之處，確定新的一個拼圖該放在哪里。而在SLAM過程中，需要將激光雷達采集到的點云匹配拼接到原有的地圖中，如下圖的紅色部分：

如果未進行匹配，所構建的地圖便會很混亂，就像下圖這樣：

地圖融合

在匹配這一步驟完成后便可直接進入地圖融合了，地圖融合就是將來自激光雷達的新數據拼接到原始地圖當中，并最終完成地圖的更新。如下圖，該過程是永遠伴隨著SLAM過程的。

當然，在實際應用過程中，傳感器所描繪的世界與實際情況會有所誤差，機器人所在環(huán)境很容易出現變化，例如突然走進一個人或闖入一只小貓。面對復雜的應用環(huán)境，需要用到很多概率算法，并采用濾波的方式進行融合，將以上過程依次執(zhí)行后，最終就產生了我們所看到的柵格地圖。

柵格地圖就是把環(huán)境劃分成一系列柵格，其中每一柵格給定一個可能值，表示該柵格被占據的概率。這種地圖看起來和人們所認知的地圖沒什么區(qū)別，它最早由 NASA 的 Alberto Elfes 在 1989 年提出，在火星探測車上就用到過，其本質是一張位圖圖片，但其中每個「像素」則表示了實際環(huán)境中存在障礙物的概率分布。

審核編輯 黃昊宇