2017.7.25报告

2017.7.25报告：

一、邹丹平博士：视觉SLAM基础

1.主要内容：

1.1 SLAM大致可以分为激光SLAM和视觉SLAM两类，但其主要思路大同小异。

激光SLAM分为：2D和3D激光SLAM两种

视觉SLAM也分为：Sparse、semiDense、Dense三种

1.2 视觉SLAM目前由两个分支：分别是基于滤波器的视觉SLAM和基于（关键帧）图优化方法的视觉SLAM，目前基于图优化的方法占主导地位：

• 基于滤波器的SLAM：使用滤波器的方法，精度低，扩展性高
• 基于图优化的SLAM：使用优化的方法，精度高，但是由于加一个传感器就要改变优化函数，可扩展性不强

 

1.3 相机的畸变模型：

• model1：对于一般相机很精确，但是不支持鱼眼相机的校正

 

• model2：对于一般的相机效果都不太好，是在PTAM中使用的模型

 

model3：适用于鱼眼相机的校正

 

1.4 去除视觉里程计中图像之间的误匹配的点的方法：RANSAC和M-estimator 
* RANSAC：可以在80%outlier情况下取得很好的效果，适合outlier较多和较少的情况，但是计算量较大。 
* M-etimator：适合与outlier不多的情况，计算量较小。

1.5 key frame的选择方法： 
* 距离上一关键帧有足够的距离 
* 当前图像的清晰度高 
* 当前帧与上一关键帧有一定数量的特征点重合

 

1.6 常用Bundle Adjustment(光束平差法)库

ORB—SLAM中的Bundle Adjustment中的库是g2o，但是sba，mcba的性能比g2o好。

• sba: A Generic Sparse Bundle Adjustment C/C++

• mcba: Multi-Core Bundle Adjustment (CPU/GPU). GPL3.

• g2o: General Graph Optimization (C++) - framework with solvers for sparse graph-based non-linear error functions. LGPL.

• Apero/MicMac, a free open source photogrammetric 
  software. Cecill-B licence.

• Package Based on the Levenberg–Marquardt Algorithm (C, MATLAB). GPL.

• cvsba: An OpenCV wrapper for sba library (C++). GPL.

• ssba: Simple Sparse Bundle Adjustment package based on the Levenberg–Marquardt Algorithm (C++). LGPL.

• opencv: Computer Vision library in the contrib module. BSD license.

• libdogleg: General-purpose sparse non-linear least squares solver, based on Powell’s dogleg method. LGPL.

• ceres-solver: A Nonlinear Least Squares Minimizer. BSD license.

• DGAP: The program DGAP implement the photogrammetric method of bundle adjustment invented by Helmut Schmid and Duane Brown. GPL.

1.7 CoSLAM: Collaborative visual slam in dynamic environments(多机器人slam) 
具体介绍和源码见ppt