SLAM的全称是Simultaneous Localization And Mapping，翻译过来就是即时定位与地图构建。这里有两个关键词：定位和地图构建，也就是说机器人会在未知的环境中，一边确定自己的位置，一边去构建地图，最后输出类似这样的地图。
简而言之，SLAM地图构建的过程就是用深度传感器测量机器人和周围环境的距离信息，从而完成对周边环境的地图构建，同时，机器人会对环境进行一致性检查，检测是否运动到已经构建过地图的地方，最终完成地图闭环，完成整个地图。
ROS中最为常用的SLAM算法就是Gmapping，这是一种基于滤波SLAM框架的常用开源SLAM算法，基于RBpf粒子滤波算法，即将定位和建图过程分离，先进行定位再进行建图。
全向移动平台的构型参数校准原理和方法都非常相似,但是也存在一定差异,全向移动机器人的质量分布对机器人运动精度是存在较大影响的
先阐述了参数校准的基本原理,并按照机器人构型的不同点分为两类,分别对对称型,圆弧型机器人进行了理论分析,提出校准思路,结合ROS校准demo阐述实验实现方法
介绍了两轮差速驱动机器人与四轮驱动机器人,履带式机器人的校准原理,方法及其校准方法存在差异的原因,最后结合ROS 校准demo阐述实验实现方法
橡胶轮看起来最为普通实际应用广泛;直行被动轮被应用于室内场景;麦克纳姆轮全向移动适用于室内狭窄场景;万向轮提供滚动功能降低运动摩擦
非全向移动机器人在平面上运动仅有2个自由度;全向移动机器人采用了麦轮/全向轮,灵活性更好;四驱四转机器人室外非结构化场景的适应能力更强
轮式机器人底盘克纳姆轮的运动机理及其麦轮平台运动过程中的受力情况,分析了电机转速-麦轮实际运动速度-麦轮平台中心点速度之间的关系
麦轮平台的全向移动效果是通过四个麦克纳姆轮协同转动而达到的,而全向轮移动平台与之类似,也通过三或四个全向轮协同转动而实现全向移动的
分析了全向轮平台3种常见运动模式的规律及机理,逐步详细剖析了全向轮运动过程中CENTER点速度与全向轮实际速度,指出全向轮平台全向特性的优势及其主要应用场景
轮式机器人底盘原理图将四轮驱动移动机器人的运动模型简化等效处理为两轮差速驱动机器人的运动模型,分析了SSMR独有的运动特性
全向移动机器人有三个自由度,意味着可以在平面内做出任意方向平移同时自旋的动作,机器人逆时针旋转的时候,角速度w为正,反之为负
4类机器人底盘运动路径规划算法是图规划算法,空间采样算法,曲线插值拟合算法和仿生智能算法,曲线插值拟合算法正好与之配合生成连续性好的轨迹曲线
底盘性能包括具体导航方式,尺寸大小等;定位精度要求,工作时长等;越障和避障能力机器人底盘性能中的核心性能,关乎到后期机器人的行走姿态和工作效率
