SLAM (robotica): differenze tra le versioni
Contenuto cancellato Contenuto aggiunto
Rimozione template Stub Etichette: Rimozione di avvisi di servizio Modifica visuale |
|||
Riga 1:
Nella geometria computazionale e nella robotica, la '''''localizzazione e mappatura simultanea''''' (''Simultaneous localization and mapping'', '''SLAM''') è il problema computazionale della costruzione o dell'aggiornamento di una mappa di un ambiente sconosciuto, tenendo contemporaneamente traccia della posizione di un agente al suo interno. Sebbene questo inizialmente sembri essere un problema ''uovo-e-gallina'', sono noti diversi algoritmi per risolverlo, almeno approssimativamente, in tempi trattabili per determinati ambienti. I metodi di soluzione approssimativa più diffusi includono il filtro antiparticolato, il filtro Kalman esteso, l'intersezione di covarianza e GraphSLAM. Gli algoritmi SLAM vengono utilizzati nella navigazione, nella mappatura robotica e nell'odometria per la realtà virtuale o la realtà aumentata. Gli algoritmi SLAM sono adattati alle risorse disponibili, quindi non mirati alla perfezione, ma alla conformità operativa. Gli approcci pubblicati sono impiegati in auto a guida autonoma, veicoli aerei senza pilota, veicoli subacquei autonomi, rover planetari, nuovi robot domestici e persino all'interno del corpo umano.
== Descrizione matematica del problema ==
{{Stub|
== Algoritmi ==
| |||