从采用基于扩展 Kalman 筛选器的 "经典" SLAM 到基于图的现代算法，有几种著名的同时定位与地图构建（SLAM）技术。我们的实验室已成功开发出一种独特的 SLAM 算法，该算法使用三维激光扫描作为输入。我们的算法与众不同之处在于，它采用 Dempster-Shafer 理论代替贝叶斯理论来表示地图的单元模型。在传统方法中，每个单元格都有被占用的特定可能性。不过，Dempster-Shafer 理论允许在一个单元中存在多个质量，并提供了更新这些质量的公式。该项目的核心理念是利用这些质量来辨别地图中的模式。这种模式可以表现为与环境中整个物体相对应的独特物体边界或区域。

通过监测点云剖面，我们可以使用 MCU（Maximum Covariance Unfolding，最大协方差展开）方法。这种技术可以对结果轮廓进行缩减处理，同时保留其与解释变量之间的关系。这些变量根据某些特征与参照物的偏差程度来描述获得的模式。除其他因素外，解释变量还可以代表图案沿特定轴线的偏离角度。我们目前正在探索使用最大协方差展开技术来快速识别室内环境中常见的 90 度角，以帮助机器人在此类空间中进行定位。