Feature‑based
Строится на поиске ориентиров. Алгоритм находит углы, линии, контуры, края объектов. Затем робот сравнивает новые наблюдения с уже известными ориентирами.
Преимущество метода — сравнительно низкая вычислительная нагрузка. Но в однотипной складской среде, где стеллажи выглядят одинаково, точность может быть ниже.
Graph-based SLAM
Graph-based SLAM использует граф, где вершины — это положения робота, а рёбра — связи между ними. Метод применим на больших территориях, потому что корректирует ошибки, если повторно распознаёт преграды. Алгоритм часто применяется в промышленных мобильных роботах.
Grid-based SLAM
В Grid‑based подходе пространство разбивается на сетку. Каждая ячейка хранит вероятность препятствия. В итоге получается детализированная схема помещения. Недостаток — высокие требования к вычислительным ресурсам при работе с большими помещениями
Topological SLAM
Topological SLAM строит не геометрическую карту, а сеть логических связей между зонами. Например, робототехника понимает, что после зоны приёмки находится коридор, затем — зона хранения. Подход требует меньше памяти, но уступает по точности классическим картам.
Semantic SLAM
Система создаёт смысловую модель пространства: не просто видит объект, а определяет его тип и роль. Если перед роботом появляется человек, система понимает, что это подвижный объект с непредсказуемой траекторией, и снижает скорость. Если датчик видит стеллаж, он воспринимает его как стационарный ориентир.
