Просмотр кода страницы SLAM (метод)

{{Другие значения/аббревиатура|SLAM|SLAM}}
'''Метод одновременной локализации и построения карты''' ('''SLAM''' от {{lang-en|simultaneous localization and mapping}}) — метод, используемый в мобильных автономных средствах для построения карты в неизвестном пространстве или для обновления карты в заранее известном пространстве с одновременным контролем текущего местоположения и пройденного пути. Популярные методы приближенного решения данной задачи включают в себя [[фильтр частиц]] и расширенный [[фильтр Калмана]]. Опубликованные подходы используются в самостоятельном вождении автомобилей, беспилотных летательных аппаратов, автономных подводных аппаратов, планетоходов, домашних роботов и даже внутри человеческого тела.{{нет АИ|26|12|2018}}

== Постановка задачи ==
Задача SLAM заключается в вычислении оценки местоположения <math>x_t</math> агента и карты окружающей среды <math>m_t</math> из ряда наблюдений <math>o_t</math> над дискретным временем с шагом дискретизации <math>t</math>. Все перечисленные величины являются вероятностными. Цель задачи состоит в том, чтобы вычислить <math> P(m_t, x_t | o_{1:t})</math>.
Применение [[теорема Байеса|правила Байеса]] является основой для последовательного обновления апостериорного местоположения, учитывая карту и функцию перехода <math>P(x_t | x_{t-1})</math>:
: <math> P(x_t | o_{1:t}, m_t) = \sum_{m_{t-1}} P(o_t | x_t, m_t) \sum_{x_{t-1}} P(x_t | x_{t-1}) P(x_{t-1} | m_t, o_{1:t-1}) / Z. </math>
Точно так же карта может обновляться последовательно:
: <math> P(m_t | x_t, o_{1:t}) = \sum_{x_t} \sum_{m_t} P(m_t | x_t, m_{t-1}, o_t) P(m_{t-1}, x_t | o_{1:t-1}, m_{t-1}).</math>
Как и во многих других проблемах логического вывода, оперируя двумя вероятностными переменными, можно прийти к локальному оптимальному решению, применяя [[EM-алгоритм]].

== Описание работы метода ==
Обычно карты используются для определения позиции в пространстве и для графического изображения плана местности или для навигации. Они используются для оценки фактического местоположения путём записи информации, полученной от формы восприятия и сравнивая его с текущим набором представлений. Вклад карт в оценку текущего местоположения в пространстве возрастает с понижением точности и качества сенсоров восприятия пространства. Карты в основном отражают вид пространства, зафиксированный в момент их построения. Совсем не обязательно, что вид пространства будет тем же в момент использования карт.

Сложность технического процесса определения текущего местоположения и построения карты обусловлена низкой точностью приборов, участвующих в процессе вычисления текущего местоположения. Метод одновременной навигации и построения карты (SLAM) — это концепция, которая связывает два независимых процесса в непрерывный цикл последовательных вычислений. При этом результаты одного процесса участвуют в вычислениях другого процесса.

В настоящее время существует несколько основных подходов к решению этой задачи:
* [[EKF-based SLAM|EKF-SLAM]]
* [[FastSLAM]]
* [[DP-SLAM]]

== Решение задач SLAM в многоагентных системах ==
Применение [[Многоагентная система|многоагентных систем]] для решения задач SLAМ рационально при относительно больших исследуемых площадях или объёмов исследуемого пространства. Например, при независимом исследовании картографии Марса группой роботов-марсоходов и соединении исследуемых карт в одну.

== Технические проблемы реализации метода ==

=== Построение карты ===
Структурное представление карты местности зависит от среды функционирования робота.

Для выбора наилучшей реализации задач SLAM вводится условная классификация сред функционирования:
* с многочисленными ярко выраженными ориентирами (например, поле с отдельно стоящими кустами)
* с отсутствием ярко выраженных ориентиров (например, коридоры, комнаты, где в качестве ориентиров могут выступать углы)
Если в исследуемой среде нет возможности найти ориентиры, то ее рационально представить в виде массива, где элементы, отражающие положение препятствий, имеют значение 1, а все остальные — 0. (Такое представление карты применяется, например, в алгоритме DP-SLAM)

В случае, когда в исследуемой местности есть многочисленные ориентиры, карта представляет собой массив оценок

их местоположения. Размерность массива <math>R\cdot m</math>, где <math>R</math> — размерность пространства, <math>m</math> — количество ориентиров.

Для хранения структуры такой карты проще всего использовать картографическую базу данных, которая отражает положение ориентиров, их уникальные свойства и взаимосвязи. Матрица оценок состояния динамической системы на основе расширенного Фильтра Калмана использует именно этот вариант представления карты.

=== Датчики ===
В качестве дальномеров в настоящее время используются [[Лазерный дальномер|лазерные дальномеры]], [[гидролокатор]]ы, стерео системы. Для определения перемещения и поворотов робота могут использоваться [[одометр]]ы.

=== Навигация ===

=== Моделирование ===

== Примечания ==
{{примечания}}

== Ссылки ==
* [http://is.ifmo.ru/diploma-theses/2010/bachelor/rodikov-bachelor.pdf Cоставление 2D-карты методом SLAM по стерео изображению в режиме реального времени]
* [http://cyberleninka.ru/article/n/3d-kartirovanie-v-virtualnoy-endohirurgii-s-ispolzovaniem-slam-algoritma 3d-картирование в виртуальной Эндохирургии с использованием SLAM алгоритма]
* [http://robocraft.ru/blog/technology/724.html SLAM] в [[ROS (операционная система)|ROS]]
* [http://robot-develop.org/archives/3954 DP-SLAM для участия в соревнованиях Eurobot]
* [https://web.archive.org/web/20180416115558/http://www.openslam.org/]
* [https://www.youtube.com/watch?v=U6vr3iNrwRA&list=PLgnQpQtFTOGQrZ4O5QzbIHgl3b1JHimN курс лекций SLAM]
{{Нет иллюстрации}}
{{нет ссылок|дата=20 июня 2018}}

{{Робототехника}}

[[Категория:Робототехника]]
[[Категория:Управление процессами]]