视觉SLAM理论入门——（1）绪论

使用书籍：《视觉SLAM十四讲从理论到实践》

定义

同时定位与地图构建SLAM（simultaneous Localization and Mapping）是指在没有环境先验信息的情况下，在运动过程中估计自己的运动并且建立环境模型

从上面定义可以看出，SLAM的目标有两个：

1、定位——确定自身的位置（状态）

2、建图——确定自身的环境（地图）

传感器

为了完成上面两个目标需要使用传感器。按照安装位置的不同，传感器可以分为两类：

1、安装于环境中的传感器（黑线、无线电定位设备等），它们需要人工布置，因此应用场合受限

2、安装于机器人上的传感器，它们通过测量间接物理量（如速度、加速度）估算自身状态，不依赖环境

视觉SLAM使用的传感器是摄像头，摄像头有单目、双目、深度摄像头等，它们的优缺点如下：

1、单目相机无法通过单张图片计算场景中物体与相机的距离。为了估计物体的远近，需要移动相机，使物体在图像上运动形成视差，通过视差定量分析物体远近。即使如此，单目SLAM不能确定物体真实尺度

2、双目和深度相机可以通过某些方法测量物体与相机的距离，因此可以通过单张图像恢复场景的三维结构，可以消除尺度不确定性（单目相机的缺点）

（1）双目相机通过两个相机之间的距离（基线）估计每个像素的空间位置

（2）深度相机向物体发射光，接收返回的光，从而测出物体与相机的距离（受日光干扰，多个未调制的深度相机也会互相干扰，视野范围小，适用于室内，多个未调制的深度相机也会互相干扰）

经典SLAM框架

1、传感器数据：包括图像数据、运动数据等

2、前端：前端是指视觉里程计，它用于估计相邻图像之间的相机运动

3、后端：后端是指优化（多指非线性优化），它接收前端测量的相机位姿信息以及回环检测信息，对这些信息进行优化，从而估计运动轨迹

4、回环检测：它的作用是判断机器人是否到达先前已经到达过的位置，用于消除累积误差

5、建图：根据后端估算的轨迹，建立地图