SLAM基础内容

SLAM   simultaneous loacation and mapping
特征点-稀疏
直接法-稠密
frontend
initial 获得相机位置和姿态 以及地图点
backend
optimization - loop closure - relocalization

optimization
卡尔曼滤波适用于线性系统
markov 一阶 后一个时刻的状态只与前一个时刻的状态相关
集束调整 
key frame 利用关键帧进行处理优化 
关键帧，两帧之间的特征匹配数量大小(新的帧与关键帧)，设置阈值，当判断成立，插入关键帧(设置)，每一个关键帧，计算场景以及相机位置和姿态，逐步扩大地图，直到闭环场景结束。

全局优化和局部优化
对于关键帧

loop closure 闭环
尽管有了优化，还是会出现漂移drift.所以需要加入约束，闭环就是一个很好的约束。如果形成一个闭环，即出现了原来检测滚的地方，即可以进行全局优化，对关键帧的相机位置和姿态以及地图点进行优化，对同一点进行闭合，其他点进行调整。

relocalization 重定位

现有的系统
MonoSLAM
PTAM
ORB-SLAM
LSD-SLAM
LOAM
DeepV2D

推荐书籍 SLAM十四讲