<?xml version="1.0"?>
<feed xmlns="http://www.w3.org/2005/Atom" xml:lang="ru">
	<id>http://wiki.me-robotics.ru/index.php?action=history&amp;feed=atom&amp;title=SLAM</id>
	<title>SLAM - История изменений</title>
	<link rel="self" type="application/atom+xml" href="http://wiki.me-robotics.ru/index.php?action=history&amp;feed=atom&amp;title=SLAM"/>
	<link rel="alternate" type="text/html" href="http://wiki.me-robotics.ru/index.php?title=SLAM&amp;action=history"/>
	<updated>2026-07-10T20:59:30Z</updated>
	<subtitle>История изменений этой страницы в вики</subtitle>
	<generator>MediaWiki 1.35.2</generator>
	<entry>
		<id>http://wiki.me-robotics.ru/index.php?title=SLAM&amp;diff=1007&amp;oldid=prev</id>
		<title>Пользователь в 18:58, 16 мая 2022</title>
		<link rel="alternate" type="text/html" href="http://wiki.me-robotics.ru/index.php?title=SLAM&amp;diff=1007&amp;oldid=prev"/>
		<updated>2022-05-16T18:58:50Z</updated>

		<summary type="html">&lt;p&gt;&lt;/p&gt;
&lt;table class=&quot;diff diff-contentalign-left diff-editfont-monospace&quot; data-mw=&quot;interface&quot;&gt;
				&lt;col class=&quot;diff-marker&quot; /&gt;
				&lt;col class=&quot;diff-content&quot; /&gt;
				&lt;col class=&quot;diff-marker&quot; /&gt;
				&lt;col class=&quot;diff-content&quot; /&gt;
				&lt;tr class=&quot;diff-title&quot; lang=&quot;ru&quot;&gt;
				&lt;td colspan=&quot;2&quot; style=&quot;background-color: #fff; color: #202122; text-align: center;&quot;&gt;← Предыдущая&lt;/td&gt;
				&lt;td colspan=&quot;2&quot; style=&quot;background-color: #fff; color: #202122; text-align: center;&quot;&gt;Версия 18:58, 16 мая 2022&lt;/td&gt;
				&lt;/tr&gt;&lt;tr&gt;&lt;td colspan=&quot;2&quot; class=&quot;diff-lineno&quot; id=&quot;mw-diff-left-l6&quot; &gt;Строка 6:&lt;/td&gt;
&lt;td colspan=&quot;2&quot; class=&quot;diff-lineno&quot;&gt;Строка 6:&lt;/td&gt;&lt;/tr&gt;
&lt;tr&gt;&lt;td class=&#039;diff-marker&#039;&gt; &lt;/td&gt;&lt;td style=&quot;background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;&quot;&gt;&lt;div&gt;2) построение траектории движения робота на карте.&lt;/div&gt;&lt;/td&gt;&lt;td class=&#039;diff-marker&#039;&gt; &lt;/td&gt;&lt;td style=&quot;background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;&quot;&gt;&lt;div&gt;2) построение траектории движения робота на карте.&lt;/div&gt;&lt;/td&gt;&lt;/tr&gt;
&lt;tr&gt;&lt;td class=&#039;diff-marker&#039;&gt; &lt;/td&gt;&lt;td style=&quot;background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;&quot;&gt;&lt;/td&gt;&lt;td class=&#039;diff-marker&#039;&gt; &lt;/td&gt;&lt;td style=&quot;background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;&quot;&gt;&lt;/td&gt;&lt;/tr&gt;
&lt;tr&gt;&lt;td class=&#039;diff-marker&#039;&gt;−&lt;/td&gt;&lt;td style=&quot;color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;&quot;&gt;&lt;div&gt;Чтобы понять работу SLAM, нужно представить себе робота, оснащенного некоторым набором приборов &lt;del class=&quot;diffchange diffchange-inline&quot;&gt; &lt;/del&gt;находящегося в некоторой неизвестной среде. Робот не имеет информацию об окружающей его среде, равно как и о своем местонахождении в ней. Все, что у него есть – информация с приборов и способность запоминать информацию о предыдущих полученных данных. Его цель – обойти всю местность и построить полную карту, всей местности. На практике это означает, что робот ищет ответы на вопрос: &lt;del class=&quot;diffchange diffchange-inline&quot;&gt; &lt;/del&gt;“Как выглядит мир вокруг?”.  &lt;/div&gt;&lt;/td&gt;&lt;td class=&#039;diff-marker&#039;&gt;+&lt;/td&gt;&lt;td style=&quot;color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;&quot;&gt;&lt;div&gt;Чтобы понять работу SLAM, нужно представить себе робота, оснащенного некоторым набором приборов находящегося в некоторой неизвестной среде. Робот не имеет информацию об окружающей его среде, равно как и о своем местонахождении в ней. Все, что у него есть – информация с приборов и способность запоминать информацию о предыдущих полученных данных. Его цель – обойти всю местность и построить полную карту, всей местности. На практике это означает, что робот ищет ответы на вопрос: “Как выглядит мир вокруг?”.  &lt;/div&gt;&lt;/td&gt;&lt;/tr&gt;
&lt;tr&gt;&lt;td class=&#039;diff-marker&#039;&gt; &lt;/td&gt;&lt;td style=&quot;background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;&quot;&gt;&lt;div&gt;В каждый момент времени в мозг робота передаются показания с приборов. На основе анализа дальномерных данных – робот может определять своё перемещение относительно предыдущего положения. В лучшем случае, когда его вычисления точны и безукоризненны, по одним этим данным можно воссоздать карту местности, где он уже побывал и полностью описать траекторию его движения. В настоящий же момент на каждом шаге возникает небольшая погрешность вычислений (ошибка замеров/помехи/ограничения, накладываемые алгоритмами и т.п.). С течением времени общая ошибка продолжает нарастать таким образом, что, несмотря на приемлемую точность определения локального смещения, общая глобальная карта положений робота будет полна искажений. Для этого и нужен Simultaneous Localization And Mapping или просто SLAM.&lt;/div&gt;&lt;/td&gt;&lt;td class=&#039;diff-marker&#039;&gt; &lt;/td&gt;&lt;td style=&quot;background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;&quot;&gt;&lt;div&gt;В каждый момент времени в мозг робота передаются показания с приборов. На основе анализа дальномерных данных – робот может определять своё перемещение относительно предыдущего положения. В лучшем случае, когда его вычисления точны и безукоризненны, по одним этим данным можно воссоздать карту местности, где он уже побывал и полностью описать траекторию его движения. В настоящий же момент на каждом шаге возникает небольшая погрешность вычислений (ошибка замеров/помехи/ограничения, накладываемые алгоритмами и т.п.). С течением времени общая ошибка продолжает нарастать таким образом, что, несмотря на приемлемую точность определения локального смещения, общая глобальная карта положений робота будет полна искажений. Для этого и нужен Simultaneous Localization And Mapping или просто SLAM.&lt;/div&gt;&lt;/td&gt;&lt;/tr&gt;
&lt;tr&gt;&lt;td class=&#039;diff-marker&#039;&gt; &lt;/td&gt;&lt;td style=&quot;background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;&quot;&gt;&lt;/td&gt;&lt;td class=&#039;diff-marker&#039;&gt; &lt;/td&gt;&lt;td style=&quot;background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;&quot;&gt;&lt;/td&gt;&lt;/tr&gt;
&lt;tr&gt;&lt;td colspan=&quot;2&quot; class=&quot;diff-lineno&quot; id=&quot;mw-diff-left-l15&quot; &gt;Строка 15:&lt;/td&gt;
&lt;td colspan=&quot;2&quot; class=&quot;diff-lineno&quot;&gt;Строка 15:&lt;/td&gt;&lt;/tr&gt;
&lt;tr&gt;&lt;td class=&#039;diff-marker&#039;&gt; &lt;/td&gt;&lt;td style=&quot;background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;&quot;&gt;&lt;div&gt;  Сеточный метод  – данный  метод хранит информацию о местности как о массиве квадратных или шестиугольных элементов, в которых хранятся дискретные данные о каждой клетке. В целях упрощения вычислений клетки считаются статистически независимыми, и чаще всего отображают реальный рельеф местности.&lt;/div&gt;&lt;/td&gt;&lt;td class=&#039;diff-marker&#039;&gt; &lt;/td&gt;&lt;td style=&quot;background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;&quot;&gt;&lt;div&gt;  Сеточный метод  – данный  метод хранит информацию о местности как о массиве квадратных или шестиугольных элементов, в которых хранятся дискретные данные о каждой клетке. В целях упрощения вычислений клетки считаются статистически независимыми, и чаще всего отображают реальный рельеф местности.&lt;/div&gt;&lt;/td&gt;&lt;/tr&gt;
&lt;tr&gt;&lt;td class=&#039;diff-marker&#039;&gt; &lt;/td&gt;&lt;td style=&quot;background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;&quot;&gt;&lt;/td&gt;&lt;td class=&#039;diff-marker&#039;&gt; &lt;/td&gt;&lt;td style=&quot;background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;&quot;&gt;&lt;/td&gt;&lt;/tr&gt;
&lt;tr&gt;&lt;td class=&#039;diff-marker&#039;&gt;−&lt;/td&gt;&lt;td style=&quot;color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;&quot;&gt;&lt;div&gt;	В общем случае SLAM &lt;del class=&quot;diffchange diffchange-inline&quot;&gt; &lt;/del&gt;можно описать как цикличная последовательность действий:&lt;/div&gt;&lt;/td&gt;&lt;td class=&#039;diff-marker&#039;&gt;+&lt;/td&gt;&lt;td style=&quot;color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;&quot;&gt;&lt;div&gt;	В общем случае SLAM можно описать как цикличная последовательность действий:&lt;/div&gt;&lt;/td&gt;&lt;/tr&gt;
&lt;tr&gt;&lt;td class=&#039;diff-marker&#039;&gt; &lt;/td&gt;&lt;td style=&quot;background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;&quot;&gt;&lt;/td&gt;&lt;td class=&#039;diff-marker&#039;&gt; &lt;/td&gt;&lt;td style=&quot;background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;&quot;&gt;&lt;/td&gt;&lt;/tr&gt;
&lt;tr&gt;&lt;td class=&#039;diff-marker&#039;&gt; &lt;/td&gt;&lt;td style=&quot;background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;&quot;&gt;&lt;div&gt;1) распознавание окружающей среды;  &lt;/div&gt;&lt;/td&gt;&lt;td class=&#039;diff-marker&#039;&gt; &lt;/td&gt;&lt;td style=&quot;background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;&quot;&gt;&lt;div&gt;1) распознавание окружающей среды;  &lt;/div&gt;&lt;/td&gt;&lt;/tr&gt;
&lt;/table&gt;</summary>
		<author><name>Пользователь</name></author>
	</entry>
	<entry>
		<id>http://wiki.me-robotics.ru/index.php?title=SLAM&amp;diff=520&amp;oldid=prev</id>
		<title>Pavel: Новая страница: «  SLAM — это Simultaneous Localization And Mapping, что означает метод одновременной навигации и построения...»</title>
		<link rel="alternate" type="text/html" href="http://wiki.me-robotics.ru/index.php?title=SLAM&amp;diff=520&amp;oldid=prev"/>
		<updated>2021-06-06T23:44:08Z</updated>

		<summary type="html">&lt;p&gt;Новая страница: «  SLAM — это Simultaneous Localization And Mapping, что означает метод одновременной навигации и построения...»&lt;/p&gt;
&lt;p&gt;&lt;b&gt;Новая страница&lt;/b&gt;&lt;/p&gt;&lt;div&gt;  SLAM — это Simultaneous Localization And Mapping, что означает метод одновременной навигации и построения карты.&lt;br /&gt;
Это метод, который используется роботами и автономными транспортными средствами для построения карты в неизвестном пространстве или для обновления карты в заранее известном пространстве с контролем текущего местоположения и пройденного пути. Т.е. метод, который объединяет два самостоятельных процесса в постоянный оборот поочередных вычислений, при котором итоги одного процесса примут участие в вычислениях другого процесса.&lt;br /&gt;
&lt;br /&gt;
     SLAM :&lt;br /&gt;
1) построение карты исследованного пространства&lt;br /&gt;
2) построение траектории движения робота на карте.&lt;br /&gt;
&lt;br /&gt;
Чтобы понять работу SLAM, нужно представить себе робота, оснащенного некоторым набором приборов  находящегося в некоторой неизвестной среде. Робот не имеет информацию об окружающей его среде, равно как и о своем местонахождении в ней. Все, что у него есть – информация с приборов и способность запоминать информацию о предыдущих полученных данных. Его цель – обойти всю местность и построить полную карту, всей местности. На практике это означает, что робот ищет ответы на вопрос:  “Как выглядит мир вокруг?”. &lt;br /&gt;
В каждый момент времени в мозг робота передаются показания с приборов. На основе анализа дальномерных данных – робот может определять своё перемещение относительно предыдущего положения. В лучшем случае, когда его вычисления точны и безукоризненны, по одним этим данным можно воссоздать карту местности, где он уже побывал и полностью описать траекторию его движения. В настоящий же момент на каждом шаге возникает небольшая погрешность вычислений (ошибка замеров/помехи/ограничения, накладываемые алгоритмами и т.п.). С течением времени общая ошибка продолжает нарастать таким образом, что, несмотря на приемлемую точность определения локального смещения, общая глобальная карта положений робота будет полна искажений. Для этого и нужен Simultaneous Localization And Mapping или просто SLAM.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
SLAM - делят на 2 метода. &lt;br /&gt;
&lt;br /&gt;
 Топологический метод  –  способ построения карты, основываясь на данных о связности элементов в пространстве в ущерб геометрической точности.&lt;br /&gt;
 Сеточный метод  – данный  метод хранит информацию о местности как о массиве квадратных или шестиугольных элементов, в которых хранятся дискретные данные о каждой клетке. В целях упрощения вычислений клетки считаются статистически независимыми, и чаще всего отображают реальный рельеф местности.&lt;br /&gt;
&lt;br /&gt;
	В общем случае SLAM  можно описать как цикличная последовательность действий:&lt;br /&gt;
&lt;br /&gt;
1) распознавание окружающей среды; &lt;br /&gt;
2) определение перемещение путём сравнения текущего местоположения с предыдущим;&lt;br /&gt;
3) нахождение на текущем местоположении особенностей&lt;br /&gt;
4) сопоставление особенностей текущего местоположения с особенностями, полученными за всё время наблюдений;&lt;br /&gt;
5)обновление на основе этой информации местонахождения робота за всю историю наблюдений;&lt;br /&gt;
6) проверка на петли – не проходил ли робот повторно по одному и тому же пути;&lt;br /&gt;
7) обобщение нынешней карты той территории, отталкиваясь от положения особенностей и робота за всю историю наблюдений.&lt;/div&gt;</summary>
		<author><name>Pavel</name></author>
	</entry>
</feed>