《视觉slam十四讲》讲读书笔记——第二讲

1.什么是slam？

SLAM，simultaneous location and mapping,即使定位与建图。他指的是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。我理解的是，slam是为了解决机器自主运动问题的一种方案。

机器人实现自主运动需要解决两大问题。

其中，定位侧重对自身的了解，建图侧重对外在的了解。这两个问题是相互耦合的问题。因为准确的定位需要精确的地图，精确的地图来自准确的定位。

 

2.自动运动问题的建模

上面说到slam是解决机器自主运动问题的一种方案，通常为了解决现实生活中某个问题，我们需要首先对其进行建模。于是，我们需要对机器自主运动问题进行建模。机器的自主学习问题，用语言来描述说，就是自主运动问题就是机器人携带传感器在环境中运动以及观测。

2.1.什么是运动？

 运动就是指机器人的位置以及姿态（位姿）是如何变化的。

运动过程的建模方程为：

其中，

是指在k时刻机器人的位姿。以二维空间中为例子，位姿可以表示为，其中x,y为位置坐标，theta为其姿态，即朝向。

为运动传感求测量的读数，即机器人位姿在一定时间范围内的变化量。以二维空间中为例子，其可以表示为。

为的噪声。

该运动方程表示，由上一时刻的位姿，传感器读数。以及的噪声可以估计出此刻的位姿

 

2.2.什么是观测？

观测就是机器人在k时刻于探测到了某个路标。

观测过程的建模方程为：

为路标。以二维空间为例，

为观测数据，表示传感器在处，探测到了路标，其观测数据为：

（也可以为相对机器人的笛卡尔坐标）

 

2.2.自主运动问题建模

这两个方程描述了slam最基本的问题。如何在知道运动数据u，以及观测数据z的条件下，求解定位问题（x），以及建图问题（坐标y）

 

3. slam框架简述

根据机器人运动问题的建模，我们就可以得出以下的slam框架。

其中，

前端视觉里程计：视觉里程计的任务是估算相邻图像间相机的运动

后端优化：后端接受不同时刻视觉里程计测量的相机位姿，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。

回环检测：回环检测判断机器人是否到达过先前的位置。

建图：它根据估计的轨迹，建立与任务要求对应的地图。