自主检索机器人设计文献综述

1. 文献综述（或调研报告）：

Nahid Uzzaman^[1]提出了一种基于超声波传感器的移动机器人，在已知图书馆地图的情况下，要走到指定书架的路径规划。五个超声波传感器安置在正前、左、右、左前、右前五个方位，可以实现几乎百分百按照一定路径行驶到目的地。

这种方案不够智能，必须预先导入室内环境布局，如果室内环境有变化，又要重新修改。并且此方案认为图书馆的书架摆放非常规范，可以看作行列阵模型，但实际上图书馆内会有其他障碍物。另外，超声波传感器分辨率太低、易受环境干扰，非常不可靠。

罗荣华等人^[2]介绍了SLAM（同时定位与地图创建）这种智能的自主导航方案。指出了SLAM包含的问题，超多维问题（SLAM过程中未知量很多），数据关联问题，累积误差问题。而解决这些问题有很多方法，如卡尔曼滤波。

杨明^[3]认为机器人自主导航时必须的位姿估计。相对位姿估计一般是对测速传感器进行积分解算，这样的位姿估计必然会有累积误差。绝对位姿估计中的GPS导航容易收环境影响产生误差，最实用的是用视觉或者激光雷达做位姿估计。其中激光雷达的位姿估计几乎不会有误差。在基于激光雷达的位姿估计方法中，主要有特征-特征对应方法、点-特征对应方法、点-点对应方法、角直方图方法等。

通过这篇文章，我们知道现在最好的室内SLAM应该是基于视觉或者激光雷达的，并且可以通过这类传感器准确的计算机器人当前位姿。

何克忠^[4]介绍不同激光雷达，如何选型。还提出了基于时变势场法的环境建模与避障方法，这是一种自适应的路径规划算法。

不论是用视觉还是激光雷达，只要能建立一个二维的地图，那么都可以使用这个方法进行路径规划。

权美香^[5]介绍了视觉SLAM的主要步骤，其中有特征检测与匹配、关键帧选择、闭环检测、地图优化。研究热点在于多传感器融合以及与深度学习相结合。还分析了单目视觉SLAM、双目视觉SLAM、RGBD SLAM各自的优缺点。单目视觉SLAM成本较低、应用灵活，但难以获取深度信息，计算得到的深度信息有较大误差。双目视觉SLAM能够计算出较准确的深度信息，但是算法复杂、实时性差、成本较高，只能在限定尺度范围内进行测量，否则会有较大误差。RGBD SLAM能够直接获取深度信息，但成本较高，在不考虑成本的情况下效果优于单目视觉和双目视觉。