机器人学习--定位、建图、SLAM（声呐、激光等扫描束方案）的发展史
本文作為學習激光SLAM尤其是2D激光SLAM的學習筆記，理清楚很多問題的前因后果，歷史發展事件等， 讀史使人明智。
假設已經知道了激光SLAM的代表方案：ROS wiki官方集成了的2D激光slam方案， 基于濾波的gmapping （2007年）和基于圖優化的cartographer（Google團隊 2016年）的基本歷史，之后的發展參閱文章 和 3D激光slam LOAM等方案。
著重，盡量理清之前的歷史。
說明1：在激光雷達 laser lidar使用于slam之前，用的是聲吶或者超聲波等傳感器。機器人周圍放置N個聲吶測距。?
說明2：在slam（同時定位和建圖，強調同時實時性）之前，建圖和定位工作一般都是單獨研究的。
說明3：現在ROS wiki中使用的集成好的slam包或者導航包，構建的占用柵格地圖（occupancy grid map）是后來才發明出來的，最開始是其他類型的地圖。
說明4：1980年前后，歐美已經開始研究機器人的導航問題、建圖、定位、路徑規劃等。
?
Mapping-建圖
1985年，占據柵格地圖（occupancy grid map）的首作（大概是）?
H. Moravec and A. Elfes, "High resolution maps from wide angle sonar,"?Proceedings. 1985 IEEE International Conference on Robotics and Automation, St. Louis, MO, USA, 1985, pp. 116-121, doi: 10.1109/ROBOT.1985.1087316.
?
2002年，Robotic Mapping: A Survey，Sebastian Thrun 谷歌無人駕駛之父
---- 回顧建圖歷史，解釋為什么用概率方法，卡爾曼濾波 期望最大值模型， 柵格地圖，物體或障礙物地圖，動態環境建圖
PDF下載鏈接：http://robots.stanford.edu/papers/thrun.mapping-tr.pdf
?
Localization-定位
1999年，蒙特卡羅定位（基于粒子濾波）Monte Carlo localization （現在大部分基于激光slam的建圖之后 導航后再定位都是基于蒙特卡羅定位方法的改進）（ROS導航包是ACML）
F. Dellaert, D. Fox, W. Burgard and S. Thrun, "Monte Carlo localization for mobile robots,"?Proceedings 1999 IEEE International Conference on Robotics and Automation (Cat. No.99CH36288C), Detroit, MI, USA, 1999, pp. 1322-1328 vol.2, doi: 10.1109/ROBOT.1999.772544.? ? ?
PDF鏈接：http://web.cecs.pdx.edu/~mperkows/CLASS_479/S2006/localization-monte-carlo.pdf
其中，后兩個作者是大名鼎鼎的《probabilistic robotics》中文版《概率機器人》的作者，其中Sebastian thrun 號稱谷歌無人駕駛之父。
?
SLAM-同時定位與建圖
----概念提出
1986年
Smith RC, Cheeseman P. On the Representation and Estimation of Spatial Uncertainty.?The International Journal of Robotics Research. 1986;5(4):56-68. doi:10.1177/027836498600500404
?
1990s前的另一個研究隊伍大咖?Hugh F. Durrant-Whyte?展開SLAM的 研究。
J. J. Leonard. Directed Sonar Sensing for Mobile Robot Navigation. PhD thesis,University of Oxford, 1990.
J. J. Leonard and H. F. Durrant-Whyte. Directed Sonar Navigation. Kluwer AcademicPress, 1992.
?
2000年，Rao-Blackwellised Particle Filtering 粒子濾波用在狀態估計問題上。
A. Doucet, J.F.G. de Freitas, K. Murphy, and S. Russel. Rao-Blackwellized partcile filtering for dynamic bayesian networks. In Proc. of the Conf. on Uncertainty in Artificial Intelligence (UAI), pages 176–183, Stanford, CA, USA, 2000
PDF下載地址：https://arxiv.org/ftp/arxiv/papers/1301/1301.3853.pdf
?
----基于濾波的SLAM方案
2002年，FastSLAM 1.0 ，用到了Rao-Blackwellised Particle Filtering
M. Montemerlo, S. Thrun, D. Koller, and B. Wegbreit. FastSLAM: A factored solution to simultaneous localization and mapping. In Proc. of the National Conference on Artificial Intelligence (AAAI), pages 593–598, Edmonton, Canada, 2002.
PDF下載地址：http://robots.stanford.edu/papers/montemerlo.fastslam-tr.pdf
2003年，FastSLAM 2.0 及擴展版本
M. Montemerlo and S. Thrun. Simultaneous localization and mapping with unknown data association using FastSLAM. In Proc. of the IEEE Int. Conf. on Robotics & Automation (ICRA), pages 1985–1991, Taipei, Taiwan, 2003
FastSLAM 2.0: An Improved Particle Filtering Algorithm for Simultaneous Localization and Mapping that Provably Converges
PDF下載：http://www4.cs.umanitoba.ca/~jacky/Teaching/Courses/74.795-LocalVision/ReadingList/fastslam-an-improved-particle.pdf
2007年，Gmapping，集成在ROS的slam方案之一。Rao-Blackwellised Particle Filtering
G. Grisetti, C. Stachniss and W. Burgard, "Improved Techniques for Grid Mapping With Rao-Blackwellized Particle Filters," in?IEEE Transactions on Robotics, vol. 23, no. 1, pp. 34-46, Feb. 2007, doi: 10.1109/TRO.2006.889486.
2012年，EKF, UKF, FastSLAM2.0, and UKF-based FastSLAM的比較
Z. Kurt-Yavuz and S. Yavuz, "A comparison of EKF, UKF, FastSLAM2.0, and UKF-based FastSLAM algorithms,"?2012 IEEE 16th International Conference on Intelligent Engineering Systems (INES), Lisbon, 2012, pp. 37-43, doi: 10.1109/INES.2012.6249866.
?
----基于圖優化的SLAM方案
?
1997年，第一次用圖優化方案解決slam問題，
Lu, F. Milios, E.?Globally Consistent Range Scan Alignment for Environment Mapping
2016年，Cartographer，谷歌公司團隊產品（ROS slam包中已集成）
W. Hess, D. Kohler, H. Rapp and D. Andor, "Real-time loop closure in 2D LIDAR SLAM,"?2016 IEEE International Conference on Robotics and Automation (ICRA), Stockholm, 2016, pp. 1271-1278, doi: 10.1109/ICRA.2016.7487258.
?
?
?
補充-視覺SLAM?
1.至于視覺SLAM方面，上世紀80年代陸續已經有人在研究，很多技術和論文最后匯總到了多視幾何那本書中，大名鼎鼎的相機標定張正友法的張正友，那個年代就已經在法國研究視覺，玩過立體視覺導航的機器人。
2.在帝國理工學院的視覺大咖 Adrew Davison ，MonoSLAM（2007年）及其2003年的single camera slam方案之前，所有人或者大部分人認為視覺slam必須得靠 立體視覺 stereo（雙目）才能搞定，直到大名鼎鼎的MonoSLAM出現，后面陸陸續續各種視覺slam出現和完善，如ORB-SLAM系列，很多語義slam都將ORB-SLAM作為現成的slam框架使用，事實上orbslam官方代碼說明也說了它是一個slam的library，類似于學習C語言的庫函數一樣可以直接調用來使用，可見其成熟程度。
詳細參考：https://blog.csdn.net/GGY1102/article/details/103396030
?
總結
以上是生活随笔為你收集整理的机器人学习--定位、建图、SLAM（声呐、激光等扫描束方案）的发展史的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 机器人学习--Robotics 4:Pe
- 下一篇： 机器人学习--Hans Moravec在