SLAM技术作为机器人自律移动的关键技术，让很多人都误会为：SLAM=机器人自律定位导航。只不过，SLAM≠机器人自律定位导航，不解决问题行动问题。

SLAM如其名一样，主要解决问题的是机器人的地图建构和即时定位问题，而自律导航系统必须解决问题的是智能移动机器人与环境展开自律交互，特别是在是点到点自律移动的问题，这必须更好的技术支持。要想要解决问题机器人智能移动这个问题，除了要有SLAM技术之外，还必须重新加入路径规划和运动控制。在SLAM技术协助机器人确认自身定位和建构地图之后，展开一个叫作目标点导航系统的能力。通俗的说道，就是规划一条从A点到B点的路径出来，然后让机器人移动过去。

机器人自律定位导航=SLAM+路径规划和运动控制运动规划是一个相当大的概念，从机械臂的运动、飞行器的飞行中，到扫地机的清理，机器人的移动，只不过这些都是归属于运动规划的范畴。运动规划主要分成：全局规划、局部规划。

全局规划全局规划，顾名思义，是最上层的运动规划逻辑，它按照机器人预先记录的环境地图并融合机器人当前位姿以及任务目标点的方位，在地图上寻找前往目标点最快捷的路径。局部规划当环境经常出现变化或者上层规划的路径有利于机器人实际行驶的时候（比如机器人在行驶的过程中遇上障碍物），局部路径规划将作出微调。

与全局规划有所区别的是，局部规划有可能并不知道机器人最后要去哪，但是对于机器人怎么绕过眼前的障碍物尤其在行。这两个层次的规划模块协同工作，机器人就可以很好的构建从A点到B点的智能移动了。

不过实际工作环境下，上述配备还过于。因为运动规划的过程中还包括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解法最较短路径最有效地的必要搜寻方法，也是解决问题许多搜寻问题的有效地算法。

算法中的距离估计值与实际值就越相似，最后搜寻速度就越慢。但是，A*算法某种程度也可用作动态路径规划当中，只是当环境发生变化时，必须新的规划路线。D*算法D*算法则是一种动态启发式路径搜索算法，它事前对环境方位，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*算法的仅次于优点是不必须预先开发利用地图，机器人可以和人一样，即使在不得而知环境中，也可以进行行动，随着机器人大大探寻，路径也不会时刻调整。上述的几种算法都是目前绝大部分机器人所必须的路径规划算法，需要让机器人跟人一样智能，较慢规划A到B点的最短路径，并在遇上障碍物的时候告诉如何处置。但扫地机器人作为最先经常出现在消费市场的服务机器人之一，它必须的路径规划算法更加简单。空间覆盖面积（spacecoverage）扫地机器人所必须的功能跟市面上的机器人有所不同，比如针对调头的工字形清理，如何有效地展开清理而不反复清理？如何让扫地机和人一样，解读房间、门、走廊这种概念？针对这些问题，学术界长久以来有一个专门的研究课题，叫作空间覆盖面积（spacecoverage），同时也明确提出了十分多的算法和理论。

其中，较为出名的是MorseDecompositions，扫地机通过它构建对空间展开区分，随后展开清理。所以，他要构建的不是尽早构建从A到B的算法，为了家里能尽可能扫得整洁，要尽可能覆盖面积从A到B点的所有区域，构建扫地机器人“扫地”的这个功能。所以，机器人自律定位导航技术的发展还必须更加多的技术加以承托，限于于更好的场景。

虽然技术和市场需求在变，但恒定的是，在行业中取长补短，融合有所不同新的技术展开融合，这是会转变的事实。

本文来源：奇异果体育官网登录-www.kuaitui360.com