视觉SLAM学习笔记1

简介

SLAM是Simultaneous Localization and Mapping缩写，中文译作“同时定位与
地图构建”，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 。
当传感器主要为相机时，称为“视觉SLAM”也就是本笔记学习的重点。

SLAM 的目的：解决“定位”与“地图构建”这两个问题。也就是说，一边
要估计传感器自身的位置，一边要建立周围环境的模型

经典SLAM框架

1. 传感器信息读取 在视觉 SLAM 中主要为相机图像信息的读取和预处理。如果在机器人中，还可能有码盘、惯性传感器等信息的读取和同步。
2. 视觉里程计 (Visual Odometry, VO) 视觉里程计任务是估算相邻图像间相机的运动，以及局部地图的样子。VO又称为前端（Front End）。
3. 后端优化（Optimization）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。由于接在 VO 之后，又称为后端（Back End）。
4. 回环检测（Loop Closing）回环检测判断机器人是否曾经到达过先前的位置。如果检测到回环，它会把信息提供给后端进行处理。
5. 建图（Mapping）它根据估计的轨迹，建立与任务要求对应的地图。

SLAM 问题的数学表述

描述机器人携带传感器的运动，需要两个量，即运动和观测

运动方程：f可用于指代任意传感器的作用方式，xk-1则为上一次运动的位置，uk为传感器读数，wk为噪声（可理解为传感器误差）

f可具体化为此，即当前位置为上一次位置+移动位置+噪声

观测方程：机器人在xk位置上看到某个路标点yi，产生一个观测数据zkj，vkj为这次观测的噪声

路标点与小萝卜本体之间的距离 r 和夹角 ϕ
记路标点为y=[px,py]T,设观测数据为z=[r, ϕ]T，观测方程可具体化为

这两个方程描述了最基本的 SLAM 问题：当我们知道运动测量的读数 u，以及传感器的读数 z 时，如何求解定位问题（估计 x）和建图问题（估计 y）

参考自《视觉SLAM十四讲》张翔