视觉SLAM14讲 Chapter-2

视觉SLAM

目的：实现定位和建图。
传感器——携带于机器人本体上的传感器；安装在周围环境中的传感器——往往有相机（单目相机、双目相机、RGB-D相机）

相机

1. 单目相机：只有一个摄像头进行SLAM。

特点：以二维的形式反应了三维的世界。（丢掉了深度（deep），没有了计算的物体与我们之间的距离的远近）
单目相机通过相机移动来估计出自己的运动，同时也估计出场景中物体的远近和大小（称为结构）
近处的物体移动的快、远处的物体移动的慢这种在图像上的运动形成了视差，所以，我们能够大致的估计出物体的远近，但是只是一个相对变化量。
单目SLAM估计的轨迹路线和地图将于真实的轨迹路线和地图相差1个因子，我们称为尺度因子。同时由于这个大小可以是任意的背书，所以我们称为尺度的不确定性。（我的理解是：因为我们也不知道具体真实物体的尺度是多少，我i们只能凭借我们自身的经验，来估计尺度因子，具有不确定性，所以，称为尺度的不确定性）

2. 双目相机

基线：两个相机之间的距离称为基线。通过基线来估计每个像素的空间位置（类似人眼的行为）
双目相机测量得到的深度范围与基线相关。基线的距离越大，越能够测量得到的距离就越远。
基于双目相机并不依赖于外部传感器采集得到的数据（传感器包括：GPS等往往由于环境的限制，不能有效地接收到信号，实现数据的获取）
基于此双目相机的优点：能够在室内和室外分别得到应用但是，双目计算机的缺点在于：配置和标定均较为复杂，同时其深度量程与精度同时受到极限与分辨率的限制

3. 深度相机

通过红外结构或者TOF原理，类似于激光传感器，主动向物体发射光并接收返回来的光纤，测量出物体与相机之间的距离。

SLAM大白话——通过相邻帧的图像的相对运动得到一系列连续变化的图像，进行地图的定位和构建。

经典的视觉SLAM的框架

流程：

1. 传感器信息的读取——视觉SLAM中主要为相机图像的读取和预处理。
2. 视觉里程计（visual odometry）：估算相邻帧图像间的相对运动，以及估计局部地图的样子，我们称为前端里程计设计（VO）
3. 后端优化：接受不同时刻里程计测量的相机的位姿（位置和姿态），以及回环检测的信息，对它们进行优化，得到全局一致的轨迹和地图。
4. 回环检测：判断机器人是否到达过先前的位置，如果检测到了回环，那么需要把信息提供给后端进行处理。
5. 建图：根据估计的轨迹，建立于任务要求对应的地图。

前端设计（视觉里程计）

通过相邻帧间的图像估计相对运动，并且回复场景的空间结构（物体的远近和大小）
视觉里程计估计两张图片的相邻时刻的相对运动，把相邻时刻的运动串联起来，就可以形成了机器人的运动轨迹，从而解决了定位的问题。同时，我们根据每一个时刻相机的位置，计算出各个像素对应的空间点的位置，得到了地图，实现了建图的功能。
存在问题：累计漂移：先前时刻传递的误差会传递到下一个时刻，导致经过长时间的运动后，造成了误差的累积，使得估计的运动轨迹不准确

后端优化（SLAM数据的降噪处理）

最大后验概率估计：从这些带有噪声的数据中估计整个系统的状态，同时估计这个状态的不确定性有多大，我们成为最大后验概率估计（估计的内容包括：地图和机器人的运动轨迹）

回环检测

主要思想：使机器人具有识别到过场景的能力，利用图像间的相似性，实现计算机判断经过轨迹运动后，回到了运动的原点，通过位置估计的算法，讲位置估计值拉到原点上，消除长时间的误差造成了累积漂移
回环检测实质上：一种计算图像数据相似性的算法。

建图

构建地图。分为：度量地图和拓扑地图。
度量地图：表示地图中物体的位置关系。用稀疏和稠密来进行分类。

1. 稀疏地图：往往是进行了一定程度的抽象，不需要表达所有的物体，选择一类有代表性的物体（路标）组成一张稀疏度量地图
2. 稠密地图：着重于建模所有看到的东西。
   定位往往采用稀疏地图，导航往往采用稠密地图。
   拓扑地图：更加强调地图元素之间的关系。由便和系欸按组成，考虑节点之间的连通性。

SLAM的数学描述

参考大佬的博客
PS各位对不起，我不知道如何插入公式.
手动书写如下：

大佬的博客——SLAM数学描述