机器人自主定位导航=SLAM+运动规划

　　SLAM技术作为机器人自主移动的关键技术，让很多人都误解为：SLAM=机器人自主定位导航。

　　其实，SLAM≠机器人自主定位导航，不解决行动问题。

　　SLAM如其名一样，主要解决的是机器人的地图构建和即时定位问题，而自主导航需要解决的是智能移动机器人与环境进行自主交互，尤其是点到点自主移动的问题，这需要更多的技术支持。

　　机器人自主定位导航= SLAM+路径规划和运动控制

　　运动规划是一个很大的概念，从机械臂的运动、飞行器的飞行，到扫地机的清扫，机器人的移动，其实这些都是属于运动规划的范畴。

　　运动规划主要分为：全局规划、局部规划。

　　全局规划

　　局部规划

　　当环境出现变化或者上层规划的路径不利于机器人实际行走的时候（比如机器人在行走的过程中遇到障碍物），局部路径规划将做出微调。

　　与全局规划有所区别的是，局部规划可能并不知道机器人最终要去哪，但是对于机器人怎么绕开眼前的障碍物特别在行。

　　这两个层次的规划模块协同工作，机器人就可以很好的实现从A点到B点的智能移动了。不过实际工作环境下，上述配置还不够。因为运动规划的过程中还包含静态地图和动态地图两种情况。

　　A*算法

　　A*（A-Star)算法是一种静态路网中求解最短路径最有效的直接搜索方法，也是解决许多搜索问题的有效算法。算法中的距离估算值与实际值越接近，最终搜索速度越快。但是，A*算法同样也可用于动态路径规划当中，只是当环境发生变化时，需要重新规划路线。

　　D*算法

　　D*算法则是一种动态启发式路径搜索算法，它事先对环境位置，让机器人在陌生环境中行动自如，在瞬息万变的环境中游刃有余。D*算法的最大优点是不需要预先探明地图，机器人可以和人一样，即使在未知环境中，也可以展开行动，随着机器人不断探索，路径也会时刻调整。

　　空间覆盖（space coverage）

　　扫地机器人所需要的功能跟市面上的机器人有所不同，比如针对折返的工字形清扫，如何有效进行清扫而不重复清扫？如何让扫地机和人一样，理解房间、门、走廊这种概念？

　　所以，他要实现的不是尽快实现从A到B的算法，为了家里能尽量扫得干净，要尽量覆盖从A到B点的所有区域，实现扫地机器人“扫地”的这个功能。

　　所以，机器人自主定位导航技术的发展还需要越来越多的技术加以支撑，适用于更多的场景。虽然技术和需求在变，但不变的是，在行业中取长补短，结合不同新的技术进行融合，这是不会改变的事实。

图说工控