Аналіз ефективності алгоритмів Simultaneous Localization and Mapping для навігації роботів

Abstract

У цій бакалаврській кваліфікаційній роботі проведено комплексний аналіз ефективності алгоритмів одночасної локалізації та побудови карти (SLAM), які застосовуються в автономних робототехнічних системах. Дослідження зосереджено на трьох поширених реалізаціях: GMapping, Cartographer та ORB-SLAM, що репрезентують різні підходи до побудови карти середовища – лідарний, графовий і візуальний відповідно. У роботі здійснено огляд сучасного стану технологій SLAM, проаналізовано принципи роботи кожного алгоритму, визначено їхні сильні й слабкі сторони на основі порівняльного експериментального тестування у симуляційному середовищі Gazebo. Як критерії оцінювання використано показники точності (ATE, RPE), якості карти (RMSE), продуктивності (FPS, затримка), а також ресурсомісткості. Результати дослідження дозволили сформулювати рекомендації щодо вибору алгоритмів SLAM залежно від типу середовища та вимог до системи.

This bachelor's qualification work presents a comprehensive analysis of the efficiency of Simultaneous Localization and Mapping (SLAM) algorithms used in autonomous robotic systems. The study focuses on three widely used implementations: GMapping, Cartographer, and ORB-SLAM, which represent different approaches to environment mapping — lidar-based, graph-based, and visual, respectively. The work includes a review of the current state of SLAM technologies, an analysis of the operational principles of each algorithm, and an identification of their strengths and weaknesses based on comparative experimental testing in the Gazebo simulation environment. The evaluation criteria included accuracy (ATE, RPE), map quality (RMSE), performance (FPS, latency), and resource consumption.