SLAM笔记

最新推荐文章于 2024-01-04 23:55:56 发布
最新推荐文章于 2024-01-04 23:55:56 发布
阅读量337 收藏 3
点赞数 1
分类专栏： SLAM 文章标签： c++ slam
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/fangfang12138/article/details/121548207
版权

SLAM笔记

第一部分 初识SLAM

SLAM是什么？ SLAM应用有什么？

  1. SLAM(Simultaneous Localization and Mapping)，即同时定位与地图构建。主要解决如下两个问题：
    机器人在哪里
    机器人周围环境如何
  2. SLAM可以用于手持设备定位、AR、自动驾驶等领域。

SLAM问题的数学表述

  1. 机器人与环境的交互包括控制和感知两部分（图2.1）。
  2. 控制数据带来了环境和状态的改变（不确定性的升高），感知数据则收集了环境的暂态信息（增加信息，不确定性的降低）。
  3. 机器人同步定位与建图的过程主要包括（满足马尔科夫假设，图2.2）
    a 通过前一时刻已知状态和当前时刻控制，来推测当前时刻的状态，称为状态转移或运动
    b 通过计算的当前时刻的状态，判断是否符合当前的观测，称为测量更新或观测。
  4. SLAM要做的即是根据控制和测量，估计状态（位姿+环境）
    在这里插入图片描述在这里插入图片描述在这里插入图片描述

SLAM分类、相关理论知识、学习资源、研究方向

  1. 按应用场景分类
    在这里插入图片描述
    按应用场景主要分为静态环境下的SLAM和动态环境下的SLAM。
    静态环境SLAM中，常见的是度量地图、拓扑地图及其混合地图下的SLAM算法。拓扑地图对于大地图下的路径规划是友好的。用的较多的是度量地图，其中，以滤波和图优化为基础的两类SLAM研究较多。
    基于滤波的SLAM，考虑单一时刻的状态，较大的场景地图下，无法较好地消除误差，以此为基础的gmapping也存在大地图效果一般的情况。基于图优化的SLAM，如cartographer，效果好。
  2. 按传感器类型分类（见计算机视觉公众号life）在这里插入图片描述
  3. 研究方向（见计算机视觉公众号life）在这里插入图片描述

第二部分 视觉SLAM（深蓝）

视觉SLAM传感器

  1. 单目相机 Monocular camera
    通过移动相机获取相机本身运动及场景物体结构。方式是：相邻帧的图像，通过运动产生视差，能够获得一个相对的深度，所谓相对是指尺度不确定性。
  2. 双目相机 Binocular camera
    间接获取真实深度信息及场景物体结构。方式是：通过双目间的基线来推算。同时，其标定和配置复杂，占用计算资源大。
  3. 深度相机 RGB-D
    直接获取真实深度信息即场景物体结构。方式是：红外结构或TOF。同时，其测量范围窄、噪声大、光干扰、透射材质以及涉及到多个RGB-D相机时的调制。

经典视觉SLAM框架

在这里插入图片描述

  1. 传感器数据
    这一块实际上不是SLAM的内容。其中也会包括数据同步的问题。

  2. 视觉里程计（特征点法/直接法）
    相邻时刻图像（传感器数据）→相邻时刻相机运动和场景空间结构→累计漂移（后端问题&回环检测）
    在这里插入图片描述

  3. 后端优化
    有噪声的数据（来自前端）→估计系统状态（位姿+环境）&状态不确定性（最大后验概率）→全局一致性

  4. 回环检测
    地图漂移、累计误差→认识到重复经过某个位置，辅助构建全局一致的地图，辅助进行重定位

  5. 地图
    度量地图（稀疏sparse/稠密dense/半稠密semi-dense）/拓扑地图，根据实际选择，考虑存储空间、一致性问题、场景等等。

另一种SLAM数学表述的思路

本质是一样的。
在这里插入图片描述

三维空间刚体运动

  1. 相机的刚体运动
    相机的运动是一个刚体运动，是世界坐标系和相机移动坐标系之间的变换运动，包括平移和旋转两部分。
  2. 平移t
    在这里插入图片描述
  3. 旋转
    在这里插入图片描述
    在这里插入图片描述
  4. 欧式变换与齐次坐标
    在这里插入图片描述
  5. 相似变换/仿射变换/射影变换

李群与李代数

  1. 李群与李代数定义
    在这里插入图片描述
  2. 李群与李代数的转换（指数与对数映射）
    在这里插入图片描述
  3. 李代数求导与扰动模型
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述在这里插入图片描述
    在这里插入图片描述
  4. 李群与李代数的重要数学性质：习题56
    在这里插入图片描述

相机模型

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  1. 全局快门/卷帘快门 https://blog.csdn.net/captain_cs/article/details/107913856
  2. 张正友相机单目标定
    借助MATLAB
    标定原理，OpenCV函数解析

非线性优化

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

视觉里程计

特征点法

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

直接法

后端

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

回环检测

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

建图

在这里插入图片描述
在这里插入图片描述

编程基础

cmake

在这里插入图片描述

Eigen

在这里插入图片描述
在这里插入图片描述

Sophus 李代数

在这里插入图片描述

OpenCV

在这里插入图片描述
在这里插入图片描述

第三部分 激光SLAM

概率机器人——滤波理论

概率机器人与递归状态估计

在这里插入图片描述
在这里插入图片描述

贝叶斯滤波

在这里插入图片描述

高斯/参数滤波

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

非参数滤波

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

概率机器人——运动与感知

机器人运动——状态转移

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

机器人感知——测量更新

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

激光SLAM——概述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

激光SLAM——数据处理

里程计运动模型及标定
  1. 里程计模型
    在这里插入图片描述在这里插入图片描述在这里插入图片描述
  2. 里程计标定
    在这里插入图片描述
激光雷达数学模型和运动畸变去除

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

激光SLAM——前端配准

激光SLAM——后端

激光SLAM——建图

概率基础

在这里插入图片描述
在这里插入图片描述

参考文献

书

  1. 《概率机器人》 曹玉红 译 Thrun 著 机械工业
  2. 《视觉SLAM十四讲 从理论到实践 2》 高翔 电子工业
  3. 《矩阵论教程 第2版》 张绍飞 机械工业
  4. 《学习OpenCV3》阿丘科技 清华大学

视频

  1. 《激光SLAM》 曹书格 深蓝学院
  2. 《视觉SLAM》 高翔 深蓝学院
  3. 《SLAM与无人驾驶》 小象学院 哔哩哔哩

公众号

  1. 计算机视觉life

文章

  1. cv::Mat初识和它的六种创建方法
  2. 全局快门/卷帘快门
  3. 相机标定 借助MATLAB
  4. 相机标定原理，OpenCV相关函数解析
  5. 关于传感器融合时间同步问题的解释
  6. 非极大值抑制
  7. 角点的响应值，p的t最大值为其响应值
fangfang12138
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
SLAM学习笔记1：SLAM概述
qq_71734878的博客
11-12 2264
（虽然这门课和“仿生机械学”互为二选一关系，但我把它俩都选了）实际上对于我们机械和车辆专业的学生来说，SLAM是研究生阶段才会去研究的内容，32个学时只能说是浅尝辄止。要想恢复三维结构，必须改变相机的视角。我们都知道，近处的物体移动快，远处的物体移动慢，极远处的物体看上去是不动的。后端优化要考虑的问题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（最大后验概率估计）。双目相机测量到的深度与基线（两个相机间的距离，类似于人的瞳距）有关，基线距离越大，能测量到的物体就越远。
SLAM学习笔记（1）
guanghuiw的博客
04-19 294
    SLAM号称能改变世界的颠覆性技术，也听身边很多朋友谈起，虽然并不了解其内涵，却有种想要了解、学习的冲动。笔者学习的参考书为高翔的《视觉SLAM十四讲》，断断续续地学习了几天，深知还未能窥探视觉SLAM的全貌。在此先立个一直学习下去的flag。第一次写博客，希望能坚持写下去，更希望一直能坚持学习下去。    今天把之前学习过的主要内容做一个总结，主要是三维空间内物体运动的描述方式。    ...
SLAM学习笔记（一）
weixin_32888153的博客
12-19 741
什么是SLAM？ SLAM（Simultaneous Localization and Mapping），中文译作同时定位与地图创建。它是指搭载特定传感器的主体，在没有环境先验信息的情况下，于运动过程中建立环境的模型，同时估计自己的运动。（源自：视觉SLAM十四讲）我想这官话听起来拗口，让人感觉云里雾里的，所以我找了一个形象的例子来帮助大家理解。相信不少朋友家都有扫地机器人吧，要知道市面上的大部...
slam学习笔记
blueoce的博客
04-08 492
20200408/ 最近发现了slam，决定尝试坚持学习，大概率会放弃，但是还是试一试。 读到slam14讲的44页，有些线性代数上的概念忘了，导致看不懂某些部分。 以三维空间为例 正交向量：点积为0的两个向量 单位向量：模为1的向量 单位正交向量：两个单位向量，点积为0 正交基：三个非零向量组成的向量组，就是三维空间的正交基，https://blog.csdn.net/u01242...
slam笔记.zip
07-29
本资源包"slam笔记.zip"包含了作者原创的视频教程以及相关的开源资料，旨在深入讲解SLAM的基本原理、gmapping算法及其应用。以下是对这些内容的详细解析： 1. **SLAM基本概念**： SLAM问题的核心在于，机器人需要...
SLAM学习笔记-超有用
05-02
关于SLAM的学习笔记，对刚入门的童鞋可能帮助比较大，分享一下！
hector slam源码
11-24
**海克托SLAM（Hector SLAM）源码解析** 海克托SLAM（Hector Slam）是一种基于激光雷达的实时同步定位与建图（Simultaneous Localization and Mapping，SLAM）算法，广泛应用于机器人领域。其核心在于提供一个高效...
SLAM即时定位与地图构建 项目笔记
01-17
本项目笔记主要聚焦于理解SLAM的基本概念、关键算法以及其实现过程。 SLAM的核心目标是解决机器人在未知环境中的定位问题，同时构建出环境的几何模型。这个过程中涉及的关键技术包括传感器数据融合、特征提取、数据...
SLAM学习笔记
Cloudy_to_sunny的博客
04-11 459
SLAM学习笔记Chapter1Chapter2Chapter3合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 Chapter1 旋转矩阵、变换矩阵、欧式变换 Chapter2 四元数 Chapter3 旋转矩阵、变换矩阵，李群（Lie G
SLAM技术学习笔记
yayuanrong0346的博客
10-11 641
《视觉SLAM十四讲从理论到实践》第一章学习笔记
SLAM学习笔记（三）
weixin_32888153的博客
12-29 370
刚体是指在运动中和受力作用后，形状和大小不变，而且内部各点的相对位置不变的物体。绝对刚体实际上是不存在的，只是一种理想模型，因为任何物体在受力作用后，都或多或少地变形，如果变形的程度相对于物体本身几何尺寸来说极为微小，在研究物体运动时变形就可以忽略不计。刚体不光有位置，还有自身的姿态。 在三维空间中如何描述刚体呢？ 旋转矩阵 基下的坐标 a在基下的坐标为 内积 外积 外积...
SLAM学习笔记（3）相关概念
weixin_34306593的博客
09-16 119
　　SIFT，即尺度不变特征变换（Scale-invariant feature transform，SIFT），是用于图像处理领域的一种描述子。这种描述具有尺度不变性，可在图像中检测出关键点，是一种局部特征描述子。[1]  该方法于1999年由David Lowe[2]  首先发表于计算机视觉国际会议（International Conference on Computer Vision，ICC...
SLAM学习笔记总结
RuanJian_GC的博客
01-04 885
随着路径的不断延伸，机器人在建图过程中会存在一些累计误差，除了利用局部优化、全局优化等来调整之外，还可以利用回环检测来优化位姿。什么是回环检测？回环检测，又称闭环检测，是指机器人识别曾到达某场景，使得地图闭环的能力。说的简单点，就是机器人在左转一下，右转一下建图的时候能意识到某个地方是“我”曾经来过的，然后把此刻生成的地图与刚刚生成的地图做匹配。回环检测成功回环检测之所以能成为一个难点，是因为：如果回环检测成功，可以显著地减小累积误差，帮助机器人更精准、快速的进行避障导航工作。
Slam学习笔记——零散知识点
starvapour的博客
12-21 1414
Slam学习笔记——零散知识点1. 名词概念1.1 旋转矩阵1.2 旋转向量1.3 欧拉角1.4 四元数1.5 欧氏变换矩阵1.6 仿射变换1.7 射影变换2. 坐标变换2.1 坐标常用写法2.2 相对坐标转换计算 只是个人的学习笔记，用于记录一些零散的知识点，如有错误，欢迎大佬指出纠正。 参考书籍：《视觉SLAM十四讲-从理论到实践》——高翔 1. 名词概念 1.1 旋转矩阵 3x3矩阵，Eigen::Matrix3d 表达旋转，具有冗余性 必须是正交矩阵，且行列式为1 构成特殊正交群SO(3) 对应李代
#2 SLAM_Modeling motion（运动建模）
努力加油，冲~
02-03 1293
基本模型 一般的时态预测模型可以写成以下形式： 其中的参数定义描述为： xn\mathbf{x}_{n}xn​：是在tn≜nΔtt_{n}\triangleq n \Delta ttn​≜nΔt时的空间状态。 xn−1\mathbf{x}_{n-1}xn−1​：上一个空间状态。 fnf_{n}fn​：一般是非线性函数 un\mathbf{u}_{n}un​：是运动控制信号 i：是个扰动期望轨迹的随机脉冲矢量，一般认为是高斯协方差Q 为了方便表述和简化符号，我们通常会引入了箭头赋值操作符"←"，意思是左
DCL-SLAM笔记
最新发布
06-07
DCL-SLAM是一种基于深度学习的SLAM算法，它能够实现在没有GPS等外部传感器的情况下，通过单目摄像头获取场景深度信息，实现机器人在未知环境中的自主定位和建图。DCL-SLAM主要分为两个部分：深度学习模型和SLAM模型...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值