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 == | |
| » 分布式機器人體系結構DIRA-利于機器人 | |
| » ALLIANCE機器人系統-用于不均勻多 | |
| » Nerd Herd機器人系統-避障、返回 | |
| » 多機器人系統的體系結構:集中式、 分層式 | |
| » 2026年全球前15名人形機器人-Tec | |
| » 基于具身大模型的多場景智能巡檢機器人系統 | |
| » 中國具身智能市場規模預測分析 | |
| » 中國具身智能市場趨勢量化預測:出貨量翻幾 | |
| » 中國具身智能區域產業集群:三大核心城市競 | |
| » 2026年中國具身智能行業深度分析報告- | |
| » 2026年中國未來產業深度分析報告-機器 | |
| » 2026年全球及中國人形機器人關節模組市 | |
| » 基于世界模型的具身智能技術體系探索:破解 | |
| » 世界模型賦能具身智能的框架設計:四個層級 | |
| » 具身智能系統的“大腦”里都有什么? | |
| == 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 |
![]() |