文献类型：期刊文章

作　　者：田野[1] 陈宏巍[1] 王法胜[1] 陈兴文[1]

TIAN Ye;CHEN Hong-wei;WANG Fa-sheng;CHEN Xing-wen(Department of Information and Communication,Dalian Minzu University,Dalian,Liaoning 116000,China)

机构地区：[1]大连民族大学信息与通信工程学院,辽宁大连116000

出　　处：《计算机科学》

基　　金：辽宁省自然科学基金指导计划项目(2019-ZD-0171)。

年　　份：2021

卷　　号：48

期　　号：9

起止页码：223-234

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：SLAM(Simultaneous Localization and Mapping),即同时定位与地图构建,目前被广泛应用于机器人领域。SLAM算法使得机器人处于陌生环境时,能够通过自身搭载的传感器来感知环境信息并建立环境地图,并完成对自身位姿的计算,从而能够在未知环境中进行移动。随着研究者们对SLAM问题的深入研究,SLAM领域相关成果已非常丰富,但是有关室内场景SLAM的论述还不够系统。通过对现有的关于SLAM算法发展成果的总结和对比,对室内SLAM进行了综合性的阐述。首先介绍了SLAM的技术现状和室内场景SLAM在不同传感器下的分类问题;其次介绍了SLAM的经典框架;然后根据相关传感器种类的不同,简要介绍了不同传感器下常见的SLAM算法的原理,同时讨论了传统室内SLAM算法中存在的诸多局限性问题,引出了基于多传感器融合技术的SLAM和基于深度学习技术的SLAM两个研究方向;最后介绍了SLAM的未来发展趋势和应用领域。

关 键 词：室内  定位与建图  激光雷达 相机 多传感器 深度学习  

分 类 号：TP242]