自主移动机器人的定位与地图创建（SLAM）关键性问题

3.5基于多机器人协作的SLAM
一些研究者对基于多机器人协作的同时定位与地图创建CSLAM（CooperativeSimultaneous Localizationand Mapping）进行了探讨和研究。 与单机器人相比，通过机器人之间的相互协调与合作以及信息共享，CSLAM可以提高地图创建的效率和提高定位与地图的精度。CSLAM按照地图的存储与处理方式的不同可以分为两大类型：集中式CSLAM和分布式CSLAM。在集中式CSLAM中，存在一个中央处理模块，每个机器人分别在自己所在的局部地图中进行定位与地图创建，然后利用无线通信装置将在局部地图中获得的信息传送给中央模块。这种方法通过子地图的匹配，可以充分利用子地图间的冗余信息提高定位与地图创建的精度。但是，当机器人数量增加时中央模块的计算量会显著增大，而且集中式的信息传递需要很大的带宽；系统的可靠性也比较低，一旦中央模块出现故障,整个系统都会陷入瘫痪状态。在分布式CSLAM中，不存在中央模块，每个机器人都拥有自己的全局地图，在每一时刻机器人把来自其他相邻机器人的信息和自己的观测信息融合到自己的全局地图中，然后以点对点的方式将新的信息传送给其他机器人。每个机器人只能获得与其相邻的机器人的位置信息，不知道整个系统的拓扑结构。这种方法与分布式的信息融合十分相似，可以利用信息滤波器来实现。由于两个不相关信息矩阵的信息融合可以通过两个矩阵的相加而实现，所以利用信息滤波器实现分布式CSLAM可以避免复杂的计算。

4.研究方向与发展趋势
综上所述，近几年来机器人领域的研究者对SLAM进行了大量的研究，特别是在降低计算复杂度、提高鲁棒性等方面取得了很大的进展。随着研究的深入，以下的几方面成为了当前SLAM的研究热点方向。
1. 扩展SLAM的应用环境：将目前局限二维静态环境中的研究与应用扩展到与现实中的环境切合的动态的三维环境；
2. 深入研究基于多机器人协作的SLAM，提高其应用水平；
3. 研究更有效的SLAM实现方法，将人工智能、智能控制等领域的方法引入到SLAM中，开发更有效的SLAM算法.；
4. 研究更好的地图表达方式，特别是复杂地形和大环境中的地图表达方式；
5. 研究更好的将视觉处理与其他传感器结合，提高环境特征提取的精度，减少误差，提高定位和构图的精确性。