Tytuł pozycji:
SLAM Systems : Overview of Algorithms and Applications
Simultaneous Localization and Mapping (SLAM) represents a key technology enabling autonomous navigation and precise mapping of environments, whether they are unknown or lack GNSS signals. This process integrates localization with mapping by utilizing data from various sensors, such as cameras, lidars, and inertial measurement units (IMU). Over the years, SLAM technology has evolved dynamically, addressing challenges related to sensor noise, computational complexity, and variable operational conditions. This paper provides a comprehensive review of SLAM methods, focusing on classical algorithms - such as EKF-SLAM, Graph-Based SLAM, and FastSLAM - as well as modern approaches, including Visual SLAM, LiDAR-SLAM, and systems that combine visual data with inertial measurements. It discusses various mapping strategies, from grid maps and feature-based maps to topological representations and 3D point clouds, which are fundamental to autonomous systems. Furthermore, the paper highlights the applications of SLAM technology in robotics, autonomous vehicles, and drones, demonstrating its broad utility across different fields. Finally, it examines current challenges and future directions, offering researchers and practitioners valuable insights for further refining and implementing SLAM systems.
Jednoczesna lokalizacja i mapowanie (SLAM) to kluczowa technologia umożliwiająca autonomiczną nawigację oraz precyzyjne mapowanie środowisk, zarówno w przestrzeniach nieznanych, jak i pozbawionych sygnału GNSS. Proces ten integruje lokalizację z mapowaniem, wykorzystując dane pochodzące z różnorodnych czujników, takich jak kamery, lidary oraz jednostki inercyjne (IMU). Na przestrzeni lat technologia SLAM dynamicznie się rozwijała, odpowiadając na wyzwania związane z szumem sensorycznym, złożonością obliczeniową oraz zmiennością środowisk operacyjnych. Artykuł prezentuje kompleksowy przegląd metod SLAM, koncentrując się na klasycznych algorytmach, takich jak EKF-SLAM, Graph-Based SLAM i FastSLAM, a także na nowoczesnych podejściach, w tym Visual SLAM, LiDAR-SLAM oraz systemach łączących wizję z danymi inercyjnymi. Omówiono różnorodne strategie mapowania - od map siatkowych, przez mapy cech, aż po topologiczne reprezentacje i chmury punktów 3D - które są fundamentem systemów autonomicznych. Przedstawiono także zastosowania technologii SLAM w robotyce, pojazdach autonomicznych oraz dronach, ukazując szerokie spektrum jej wykorzystania w różnych dziedzinach. Artykuł analizuje bieżące wyzwania oraz kierunki przyszłego rozwoju, oferując naukowcom i praktykom wskazówki do dalszego udoskonalania i implementacji systemów SLAM.
Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki (2025).
