SLAM十四讲【一】基本概念

SLAM十四讲【一】基本概念

SLAM十四讲【一】基本概念
SLAM十四讲【二】三维空间刚体运动
SLAM十四讲【三】李群与李代数
SLAM十四讲【四】相机与图像
SLAM十四讲【五】线性优化
SLAM十四讲【六】视觉里程计
SLAM十四讲【七】回环检测
SLAM十四讲【八】建图

---

一、SLAM

  SLAM十四讲第二版pdf链接
  SLAM十四讲代码链接

1.1 SLAM

  SLAM是imultaneous Localization andMapping的缩写，直译是”同时定位与地图构建“，从名称中可以看到SLAM主要做两件事，定位与建图。

1.2 单目SLAM

  单目SLAM就是只用一个摄像头做SLAM，从单张图像上，我们是是不能确定物体距离的，需要移动相机，目标在不同图像中位置不同从而形成视差，就可以判断物体的远近，这里作者能定量判断，我认为是定性判断。
  由于单目相机没有基线，不能根据三角视差直接计算绝对距离，无法知道真实尺度，具有尺度不确定性，所以人们开始研究双目相机和深度相机。

1.3 双目SLAM和深度相机

  双目SLAM为了解决未知尺度的问题，在单目的基础上增加一个固定基线的摄像头，就可以计算绝对深度了，而且基线越大，能测量的物体就越远。
  深度相机在RGB相机上增加了深度通道D，通过TOF或结构光测量相机到物体之间的距离。

二、经典SLAM框架

  整个视觉SLAM流程步骤为传感器信息获取、前端视觉里程计、后端优化、回环检测、建图构成。

2.1 视觉里程计

  通过前一张图像的各个像素位置和后一张图像的各个像素位置对比，后一张图像是可以通过一个矩阵变换到前一个矩阵的，通过这个矩阵可以估计相机的运动，但矩每一次阵转换必然会带有一点误差，连续的图像变换会出现累计漂移，最后相机实际回到原位置但轨迹不会是在原位置的。为了解决这个问题，就需要后端优化和回环检测。

2.2 后端优化

  后端优化处理的主要是SLAM过程中的噪声问题，如何从这些带有噪声的数据中估计整个系统的状态，以及这个状态估计的不确定性有多大，这也叫最大后验概率估计(Maximum-a-Posteriori, MAP)。
  在视觉SLAM中，前端是与视觉特征相关的计算，后端是对数据进行滤波和非线性优化的算法。

2.3 回环检测

  回环检测解决的主要是累计漂移问题。相机如果回到了原来的地方，拍摄的图像与之前拍的相似，那么告诉后端调整轨迹和地图，变成符合回环检测的样子，这样就能消除累计误差，得到全局已知的轨迹和地图了。

2.4 建图

  建图是指构建地图的过程。地图多种多样，视应用而定，总的可以分为度量地图和拓扑地图两种。

2.4.1 度量地图

  度量地图强调精确地表示地图中物体的位置关系，通常用稀疏(Sparse)与稠密(Dense)对其分类。稀疏地图进行了一定程度的抽象，并不需要表达所有的物体，比如用路标表示。相对地，稠密地图着重于建模所有看到的东西。定位的时候用稀疏地图足够，导航的时候就要用稠密地图了。

2.4.2 拓扑地图

  从名字中可以看出，拓扑地图更强调地图元素之间的连通性，也是拓扑关系，比如哪里连通、哪里不连通。