變更

其业务涉及电力巡检机器人、AGV及智能仓储应用工程等多个领域，覆盖医药、[[食品]]、家电、日化、粮油、纺织、化工、饲料、低压电气、汽车及其零部件、3C、物流 <ref>[https://www.sohu.com/a/343489541_120350269 物流的概念] ，搜狐，2019-09-26 </ref> 、电池、军工等20多个行业，中国电子科技集团、铜陵[[有色金属]]集团、联宝电子（联想）、LG、齐鲁药业、德力西电气、施耐德电气、万博电气、东风汽车、奇瑞汽车、金龙汽车、中通客车、重庆天勤、彧寰科技、摩臣智联股份、颍上县水资源管理所等国内外知名企业及政府机构成功合作，并成为国家电网及诸多大型企业集团的指定供应商。

①自适应场景的基于激光数据的室内定位算法的理论和技术应用创新Gmapping是[[激光]]出现以来应用最广的机器人 <ref>[https://www.sohu.com/a/115278525_489960 机器人史上最全分类和明细] ，搜狐，2016-09-29</ref> 定位与建图方法，它主要应用粒子滤波中的RBPF方法。扫描匹配的过程是首先估计机器人位姿，利用梯度下降的方法，以当前构建的地图、激光点和机器人位姿作为初始估计值。Gmapping算法结合线性估计和图形理论，在对所涉及的协方差矩阵的结构的温和假设下，检索到SLAM的闭合近似。线性近似不需要初始预估结果或使用自举法非线性技术。Gmapping算法的优势主要有两方面：在前端运算中，结合了线性估计和图论的工具，以图形模型深入分析SLAM；在后端运算中，应用这个理论分析工具，在对所涉及的协方差矩阵的结构的温和假设下，迭代检索出全SLAM问题的近似解。Gmapping算法中最关键的是使用了Rao-Blackwellized粒子滤波来估计SLAM过程中后验估计的[[概率]]。粒子滤波算法中最常用的一个采样方法是重要性重采样方法（SIR）。Rao-Blackwellized重要性重采样滤波器通过更新关于地图和运动轨迹的后验概率的一组样本来完成在建图过程中逐步处理观测值和里程计读数。基于粒子滤波方法的SLAM建图过程粒子在不断地迭代更新，通常需要大量的粒子数来得到一个较好的建图效果，但这样也会大幅提升算法计算的复杂度。粒子是一个依据过程的观测逐渐更新权重进行收敛的过程，这种重采样的过程必然会代入粒子耗散问题(depletionproblem)，大权重粒子显著，小权重粒子会消失。因此粒子数量的选择非常重要，合适数量的粒子不仅可以保持定位的精度，而且可以保证算法的[[效率]]。