视觉SLAM十四讲学习笔记1——视觉里程计

一、基础概念

1.按照相机的工作方式，我们把相 机分为单目（Monocular）、双目（Stereo）和深度相机（RGB-D）三个大类。

2.照片，本质上是拍照时的场景（Scene），在相机的成像平面上留下的一个投影。它以二维的形式反映了三维的世界。显然，这个过程丢掉了场景的一个维度：也就是所谓的深 度（或距离）。在单目相机中，我们无法通过单个图片来计算场景中物体离我们的距离（远 近）——之后我们会看到，这个距离将是 SLAM 中非常关键的信息。由于我们人类见过大 量的图像，养成了一种天生的直觉，对大部分场景都有一个直观的距离感（空间感）。

我们必须移动相机之后，才能估计它的运动（Motion），同时估计场景中物体的远近和大小，不妨称之为结构（Structure）。近处的物体移动快，远处的物体则运动缓慢。于是，当相机移动时，这些物体在图像上的运动，形 成了视差。

直观地说，如果把相机的运动和场景大小同时放大两倍，单目所看到的像是一样的。同样的，把这个大小乘以任意倍数，我们都将看到一样的景象。这 说明了单目 SLAM 估计的轨迹和地图，将与真实的轨迹、地图，相差一个因子，也就是所 谓的尺度（Scale）。由于单目 SLAM 无法仅凭图像确定这个真实尺度，所以又称为尺度 不确定性。

3.视觉里程计 (Visual Odometry, VO)将不可避免地出现累计漂移（Accumulating Drift）。这是由于视觉里程计（在最简单的情况下）只估计两个图像间运动造成的。我们知道，每次估计都带有一定的误差，而由于里程计的工作方式，先前时刻的误差将会传递到下一时刻，导致经过一段时间之后，估计的轨迹将不再准确。

为了解决漂移问题，我们还需要两种技术：后端优化和回环检测前端和计算机视觉研究领域更为相关，比如图像的特征提取与匹配等，后端则主要是滤波与非线性优化算法。

后端优化主要指处理 SLAM 过程中噪声的问题后端优化要考虑的问题，就是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——这称为最大后验概率估计（Maximum-a-Posteriori，MAP）

回环检测，又称闭环检测（Loop Closure Detection），主要解决位置估计随时间漂移 的问题。