Gazebo仿真环境中地图构建方法的综述
摘要：机器人是目前科学技术发展最活跃的领域之一，定位、构图和路径规划是机器人研究的三个重要方面，成熟的能自主移动的机器人必须具备这三项核心能力。本文首先简要介绍了Gazebo仿真环境，接着同步定位与地图建立的三类常见方法：KF-SLAM、PF-SLAM和视觉SLAM并分析各自的优劣，最后简要介绍了两种全局路径规划算法：栅格法和Dijkstra算法。
0 引言
随着人类社会的发展，能自主移动的机器人已经进入人们的生产生活。是否具备自主构建地图的能力是衡量自主机器人的性能的重要标准之一。地图对机器人来说十分重要：一方面，地图是机器人自主导航的基础；另一方面，地图能可视化地呈现环境，方便后续操作和维护。然而，构建准确的地图绝非易事，精准位姿难以确定、闭环检测等等都给地图构建带来了困难。因此，地图构建[1,2]已经成为机器人领域研究的热门问题。
Durrant和Leonard首次提出针对智能机器人的三个基本问题[3]：定位、构建地图和路径规划。定位和建图一般需要同时进行，也即Cheeseman和Smith提出的同步定位与地图建立SLAM问题[4]。SLAM是指，在未知环境下机器人搭载传感器在移动过程中对周围环境进行扫描并且整合传感器数据，以此来建立全局地图。路径规划的任务是在已知地图中为机器人规划出一条能够到达目标点的路径。
本次毕业设计的任务则是在Gazebo仿真环境实现机器人自主构建地图，并且进行导航的验证。基于此，本文将从Gazebo仿真环境、同步定位与地图建立和路径规划三个方面出发，阐述相关研究现状，为之后的仿真实践奠定基础。
1 Gazebo仿真环境
Gazebo是三维多机器人动力学仿真环境，它能够模拟复杂和现实的环境中关节型机器人。在Gazebo仿真软件使用了分布式架构，拥有独立的库，可用于物理模拟、呈现、用户界面、通信和传感器生成。Gazebo中的信息可以和ROS之间进行话题通信，也可以与Rviz联系起来，使得开发者可以方便地调试算法[5]。
2 同时定位与地图构建
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
