在过去几十年中，自主移动机器人领域取得了巨大的进步。尽管取得了重要里程碑，但仍有一些挑战有待解决。将机器人社区的成就汇总为综述，对于跟踪当前最先进的技术和未来必须应对的挑战至关重要。本文试图对自主移动机器人进行全面综述，涵盖传感器类型、移动机器人平台、仿真工具、路径规划和跟踪、传感器融合方法、障碍回避和SLAM等主题。论文的出发点主要有两方面。

首先，自主导航领域发展很快，因此定期撰写综述对于让研究界充分了解该领域的现状至关重要。第二，深度学习方法已经彻底改变了包括自主导航在内的许多领域。因此，有必要对深度学习在自主导航中的作用进行适当的处理，这也是本文所涉及的。还将讨论未来的工作和研究差距。机器人在很多方面影响了我们的生活。在技术进步的支持下，机器人已经在医学领域、军事领域、工业领域、空间领域、农业领域等多个应用领域找到了自己的路。将自主导航功能添加到机器人平台可以显著提高其性能，因为它们可以自行到达任何需要的地方。这种动机驱使研究人员将自主导航技术推向极限。鉴于自主导航主题的文献丰富且发展迅速，有必要定期准备文献调查。通过这种方式，经验丰富的研究人员和新来者可以深入了解自主导航的最新技术，这也是该综述的灵感来源。

显然，已经发表了多篇关于自主移动机器人的综述。为了突出论文的调查与现有调查之间的差异，编制了表1，其中现有调查根据其出版年份进行了排序。如表1所示，一些主题在以前的调查中缺失，但在本文中有所涉及。例如，Niloy等人[224]只关注室内自主导航。Pol和Murugan[236]的调查也仅限于室内导航，除了考虑了环境中的人类存在。基于上述先前调查的缺点，本次调查旨在涵盖表1中列出的所有主题。论文努力做到：

  • 对传统和现代避障方法（基于RL和DL）进行综合处理；
  • 回顾最著名的SLAM方法；
  • 介绍众所周知的机器人模拟器，以及它们是否可以与机器人操作系统（ROS）连接[1]；
  • 移动机器人平台的类型及其基于操作环境的特点；对著名的传感器融合方法（如卡尔曼滤波器[144]及其扩展以及粒子滤波器[114]）进行了简单简明的回顾
  • 调查开源SLAM数据集。

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除