Równoczesne lokalizowanie i mapowanie
Równoczesne lokalizowanie i mapowanie (SLAM) to problem umożliwiający robotowi mobilnemu zbudowanie mapy swojego otoczenia przy jednoczesnym określaniu własnej lokalizacji w tej mapie przy użyciu zaszumionych pomiarów z czujników. SLAM, sformułowany przez Durrant-Whyte'a i Baileya w 2006 roku, jest fundamentalny dla robotyki autonomicznej, umożliwiając robotom nawigację i eksplorację nieznanych środowisk bez wcześniejszych map lub zewnętrznych systemów pozycjonowania.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Durrant-Whyte, H., & Bailey, T. (2006). Simultaneous localization and mapping (SLAM): Part I. IEEE Robotics & Automation Magazine, 13(2), 99-110. DOI: 10.1109/MRA.2006.1638022 ↗
- Thrun, S., Burgard, W., & Fox, D. (2005). Probabilistic Robotics. MIT Press. link ↗
- Dellaert, F., & Kaess, M. (2012). Square root SAM: Simultaneous localization and mapping via square root factor graphs. International Journal of Robotics Research, 25(12), 1181-1203. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Simultaneous Localization and Mapping. ScholarGate. https://scholargate.app/pl/control-theory/simultaneous-localization-and-mapping
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Rozszerzony Filtr KalmanaTeoria sterowania↔ compare
- Filtr cząsteczkowy (Sekwencyjny Monte Carlo)Statystyka bayesowska↔ compare
- Filtr Kalmana bezwstydny (Unscented Kalman Filter, UKF)Teoria sterowania↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →