為了更好地表示環境模型,加入度量信息來補償拓撲信息,這樣的地圖表示方法既具有拓撲地圖的G效性,又具有度量地圖的一致性和準確性。混合地圖的應用 一般采用分層結構:先利用上層的拓撲地圖實現粗略的全局路徑規劃,然后利用底層的度量地圖實現準確的定位并優化生成的路徑。
混合地圖的思想Z早出現在20世紀70、80年代的文獻中,但直到Z近才引起了越來 越多研究者的注意,成為機器人領域的一個研究熱點。Z容易理解的混合地圖是由Kuipers 提出的[58,源頭可以追溯到他在20世紀70年代關于空間知識推理能力和認知地 圖的研究⁵9,空間知識在語義層(Spatial Semantic Hierarchy,SSH)中被表示,并且包含 拓撲地圖和度量地圖層。 SSH 是許多研究方向的基礎,如文獻[60]提到拓撲層中的節點 用不同的測量創建,每一個節點都有嵌入的度量信息。因此,度量地圖可以在拓撲地圖創 建完畢創建,到現在SSH 已經得到了不斷的改進和發展。
有的混合地圖采用小的特征地圖與簡單拓撲圖連接的方式,這種結構主要關心的是 特征地圖的大小方便、適中,拓撲圖僅起連接這些度量地圖的作用,并不對應環境結 構[61]。在此基礎上,有的研究者對拓撲圖進行了擴展,使其包含對應環境結構的節點,如 Tomatis 提出的拓撲節點對應房間或者走廊的通路,每一個房間有一個相關的度量地圖, 拓撲邊包含在兩個節點之間被探測到的路標信息[62。 Lisien 提出了一種面向 SLAM、導 航和探測的拓撲度量混合地圖-分層Atlas(the Hierarchical Atlas)[63,其中,拓撲圖基于 簡化的Voronoi 圖創建,拓撲圖的節點對應走廊的交叉口等地方,并且度量地圖采用特征 地圖。Yamauchi 提出了一種混合地圖,其中的拓撲圖較為復雜,節點并不對應環境結構, 而是指沒有被障礙物占有的空閑區域。
| 資料獲取 | ||||||
|
|
||||||
| 服務機器人在展館迎賓講解 |
||||||
| 新聞資訊 | ||||||
| == 資訊 == | ||||||
| » 2026具身智能與人形機器人產業研究報告 | ||||||
| » 導覽機器人的智能路徑規劃方法:模糊邏輯方 | ||||||
| » 迎賓機器人機器人路徑規劃的傳統路徑規劃方 | ||||||
| » 力覺傳感器在機器人中的應用:六軸力覺傳感 | ||||||
| » 機器人類皮膚型觸覺傳感器具有的功能和特性 | ||||||
| » 機器人觸覺傳感器應具備的特征:空間分辨率 | ||||||
| » 2025人形機器人靈巧手技術路徑、應用場 | ||||||
| » 人形機器人大勢所趨,下游應用逐步打開-出 | ||||||
| » 機器人的 語音的生成、音響特征及語音分析 | ||||||
| » 網絡安全標準化技術研究報告-工業具身智能 | ||||||
| » 具身智能機器人和移動通信技術研究報告-智 | ||||||
| » 具身智能技術及產業實踐的階段性進展-模型 | ||||||
| » 機器人圖像匹配的常用方法:極線約束,唯一 | ||||||
| » 機器人的視覺技術:單目視覺、雙目視覺和全 | ||||||
| » 足式移動機器人獨特的優勢:適應能力,隔振 | ||||||
| == 機器人推薦 == | ||||||
服務機器人(迎賓、講解、導診...) |
||||||
智能消毒機器人 |
||||||
機器人底盤 |
![]() |