半闲居士视觉SLAM十四讲笔记（2）初识 SLAM- part 1 基础理论

本系列文章由 youngpan1101 出品，转载请注明出处。
文章链接： http://blog.csdn.net/youngpan1101/article/details/71085276
作者：宋洋鹏（youngpan1101）
邮箱： yangpeng_song@163.com

---

该讲详细资料下载链接 【Baidu Yun】【Video】【Code】

若您觉得本博文对您有帮助，请支持高博的新书《视觉SLAM十四讲》，【点击购买】
若您觉得本博文对您有帮助，请支持高博的新书《视觉SLAM十四讲》，【点击购买】
若您觉得本博文对您有帮助，请支持高博的新书《视觉SLAM十四讲》，【点击购买】

---

理论部分

机器人自主运动基本问题

1. 机器人的例子

   1.1 这里以下图室内服务机器人为例来说明机器人的主要模块：

   • 底盘：差速轮结构，运动避障主要依靠红外或超声波（这种方式更适合于扫地机，对于一定高度的服务机器人需要结合视觉避障）
   • 语音交互：麦克风阵列，现在最为自然的人机交互方式就是语音，从今年 Amazon Echo 的销量就可以看出语音交互未来前景广阔
   • 相机，即机器人的眼睛，是机器人探索周围环境的入口，也可以用于拍下美的瞬间
     

   1.2 定位与建图的关系

   机器人探索一个陌生的环境，比如说在一个布置精美的客厅里自主地运动，它至少需要知道两件事：

   • 定位：自己在哪里？（侧重于对自身的了解）
   • 建图：周围的环境是怎样的？（侧重于对外在的了解）

   定位与建图是相互 耦合 的，即

   • 准确的定位需要精确的地图
   • 精确的地图来自准确的定位

---

——————————– 分割线<< $\color{Green}{家有小武，如有一母}$ >>分割线 ——————————–

---

SLAM 传感器

1. 传感器分类

   安装于环境中的传感器	安装于机器人本体上的传感器
   二维码（比如 AprilTags） 、GPS、导轨、磁条	IMU（惯性测量单元）、激光、相机

   SLAM 的问题往往是针对未知环境的，这意味着无法在环境中去安置传感器来进行机器人的定位，只能通过间接的方法，即使用机器人自身携带的传感器来解决机器人的定位与建图的问题。（以室内家庭服务机器人为例，如果要在用户家里贴二维码或者铺磁条，肯定会影响用户体验的）

2. 两种常用的 SLAM 传感器：激光 VS 相机

   Laser	Camera
   精度高、响应快、研究得比较透彻、 重量偏重、价格高	便宜、轻便、信息丰富、计算量大、 需要一定的工作条件（光线、无遮挡、有纹理）

3. 相机的种类

   相机类别	特点	备注
   单目 Monocular	1) 无深度 2) 移动相机后才能得知相机的运动和场景的结构 3) 尺度的不确定性
   双目 Stereo	1) 通过左右视图的视差计算深度 2) 获得深度图的计算量大	HUMAN+ Depth-VPU、 ii science 双目模块、ZED、DUO
   深度 RGB-D	1) 结构光、TOF（Time of Flight） 2) 主动测量，功耗偏大 3) 所测深度值较准确 4) 易受太阳光的影响	Orbbec Camera、华捷艾米深度相机
   其他		鱼眼、全景（Dyson 360°吸尘机器人）、Event Camera 等

   共同点：

   • 近处物体的像运动快，远处物体的像运动慢
   • 利用图像和场景的几何关系，计算相机运动（Motion）和场景结构（Structure）
   • 需要处理连续的图像帧

---

——————————– 分割线<< $\color{Green}{家有小武，如有一母}$ >>分割线 ——————————–

---

视觉 SLAM 框架

1. 视觉里程计 Visual Odometry

   • 定义：通过分析处理相邻图像序列来确定机器人的位置和姿态
   • 入门必读
     
     • Visual Odometry Part I: The First 30 Years and Fundamentals
     • Visual Odometry Part II: Matching, Robustness, Optimization, and Applications

2. 后端优化

   • 从带有噪声的数据中优化轨迹和地图（状态估计问题）
   • 最大后验概率估计（MAP）
   • 前期以 EKF 为代表，现在以 图优化 为代表

3. 回环检测

   • 检测相机是否回到早先位置
   • 识别曾经到过的场景
   • 计算图像间的相似性
   • 方法：词袋模型

4. 建图

   • 用于导航、规划、通讯、可视化、交互等
     

5. SLAM 问题的数学描述

   两个基本方程：
   运动方程 （考虑从 $k-1$ 时刻到 $k$ 时刻，相机的位置是如何变化的）
   

   $$x_{k} = f(x_{k-1}, u_{k}, w_{k})$$
   式中 $x_{k}\;$ ——$\; \; t=k \ $ 时刻相机所处的位置
   $\quad$ $x_{k-1}$ ——$\; t=k-1 \ $ 时刻相机所处的位置
   $\qquad$ $u_{k}$ ——$\; t=k \ $时刻的输入量（运动传感器的读数，如码盘、IMU）
   $\qquad$ $w_{k}$ ——$\; t=k \ $时刻输入量的噪声

   观测方程 （$k$ 时刻相机在 $x_{k}$ 位置上看到某个路标点 $y_{j}$，产生了一个观测数据 $z_{k,j}$）
   

   $$z_{k,j} = h(x_{k}, y_{j}, v_{k,j})$$
   式中 $v_{k,j}$ —— $\; t=k \ $ 时刻观测里的噪声
   也就是说，当我们知道运动测量读数 $u$ 和传感器读数 $z$ 时，求解 定位问题（估计 $x$）和建图问题（估计 $y$）。
   这里将 SLAM 问题建模成一个 状态估计问题，即如何通过带有噪声的测量数据，估计内部的状态变量。