摘要：本文对SLAM（同时定位与地图创建）的技术发展进行综述，介绍SLAM技术的发展历程，对SLAM问题进行了数学描述，对现在的几种SLAM技术的实现方法进行论述，简单介绍SLAM技术的工作原理，对现在遇到的关于SLAM的技术难点进行叙述，进一步探讨了SLAM技术的发展方向。关键词：同时定位与地图创建、自主导航、地图创建引言移动机器人的同步定位与地图创建(SimultaneousLocalizationandMapping,简称SLAM)作为当前移动机器人定位技术的最主流的研究方法之一，它最早是由RandallSmith和PeterCheseseman在1988年发表的论文当中提出来在他们的论文中，利用移动机器人的运动方式和装置的传感器获得的测量数据，分别设计了移动机器人的运动模型和观测模型，结合概率学的贝叶斯理论，实现了对轮式移动机器人在未知环境中的运动状态进行实时估计。Leonard和Durrant-Whyte在他们的研究中指出，所有移动机器人导航的基本过程可以总结为三个最基本的关键问题，即“WhereamInow?”、“Whatisthestructureofmyenvironment?”以及“HowcanIgetthattargetposition?”，这三个问题的实质指的就是机器人定位和地图创建、障碍物的识别和避免，以及机器人导航路径规划问题。SLAM问题的解决直接影响着后面两个问题能否正确处理。所以说，移动机器人的同步定位与地图创建是实现机器人自主导航，提高机器人的智能化水平的关键和首要解决的基础性难题。研究发展现状自从19世纪60年代，尼尔森等人将人工智能的方法结合到机器人的自动导航开始，移动机器人的定位技术的研究就开始走向了广大的研究者和工程师们的视野中，拉开了这项技术研究高潮的序幕。然而早期的定位技术由于研制的传感器种类有限，精度不高以及相关的理论尚未成熟的原因，其试验和应用范围都受到了很大的限制。这些定位技术要么是当前的运动环境已知，要么是机器人的运动方式已经确定，要么是只能提供粗略的定位数据。单独的定位或者纯粹的地图创建已经不能很好的解决当前的定位要求。到80年代末期，移动机器人的定位技术一直没有多大的突破，研究陷入了一段时间的低潮。此时，PeterCheeseman和JimCrowle等机器人定位技术的年轻研究者，第一次提出了用概率学中的状态估计理论方法来解决机器人定位和地图创建问题，将运动中的几何关系和噪声用一个近似的概率分布来表示，获得了比较准确的状态估计值。从此，基于概率学理论的方法开始成为机器人定位技术的主流，同时，机器人的同步定位和地图创建也开始被人们所接受，吸引了很多研究人员去探索和学习。SLAM的理论逐渐完善和成熟，Durrant-Whyte等人在前人的研究基础上于1995年在一次国际机器人学的讨论大会上面，首次将SLAM问题的理论框架比较完整的进行了详细的论述。最近三十几年来，国内外SLAM的发展取得了一系列的研究成果。许多研究组织和研究者已经或者正在SLAM的研究上不断深入。根据常用的SLAM方法使用的传感器来进行分类，他们一般可以划分为：基于激光的SLAM，基于声纳的SLAM和基于视觉的SLAM。除此之外，为了更好的感知机器人的状态信息和外部世界新的附加的传感器也常常被集成到机器人系统里面，比如电子指南针、红外遥感系统、陀螺仪、GPS定位系统。这些传感器都带有某种程度的误差，其应用的限制条件也不同。近十年来，由于基于激光和声纳的SLAM技术发展已经比较成熟，理论上面的突破难度比较大。而携带视觉传感器的数字设备，如移动手机、平板电脑、智能高清电视、汽车等等，已经遍布在全球各个地区，基于视觉的SLAM渐渐引起了人们研究的兴趣。到目前为止，SLAM技术在小规模或结构化环境中的实现相对比较成熟，但其在复杂环境上的应用仍有很多问题。未来的挑战主要集中在如何大规模复杂环境（如非结构化、地形恶劣地区）下实现尤其在那些信息不可用或不可靠的地区，如城市峡谷、矿井、丛林或遥远的星球。问题描述SLAM技术就是利用传感器对地图创建和自身定位问题进行同步求解，可以描述如下：在一个未知的环境中，已知运动学模型的移动机器人从一个未知的初始位置出发，在一个有若干环境特征的环境中移动，通过自身携带的传感器获得周围的环境信息确定环境特征的空间坐标，同时确定自身的三维坐标。考虑移动机器人在含有路标特征的场景中移动，如图一所示。图一SLAM过程示意图图中黑色三角形表示机器人的实际位置，白色三角形表示机器人的估计位置，灰色三角形表示地图路标的实际位置，白色四面体表示地图路标的估计位置。该图描述了机器人的同时定位与地图创建过程。在k时刻相关变量定义如下：：机器人的位姿，，其中是坐标，是航向角。整个行进