SLAM论文阅读笔记

《视觉 SLAM综述》        权美香   ， 朴松昊   ， 李国

根据采用的视觉传感器不同,视觉SLAM主要分为三类 ：

1. 仅用一个相机作为唯一外部传感器的单目视觉 SLAM

2 使用多个相机作为传感器的立体视觉 SLAM（ 双目立体视觉的应用最多）

3. 基于单目相机与红外传感器结合构成的传感器的RGB-SLAM

基于特征的视觉 SLAM 方法

举例：

早期的单目视觉SLAM，EKF→UKF，

特征点由关键点（Key-point）和描述子（Descriptor）两部分组成。其中，关键点是指该特征点在图像里的位置，有些特征点还具有朝向、大小等信息。描述子通常是一个向量，按照某种人为设计的方式，描述了该关键点周围像素的信息。描述子是按照“外观相似的特征应该有相似的描述子”的原则设计的。
ORB特征（Oriented FAST and Rotated BRIEF）：由FAST关键点（Oriented FAST，一种改进的 FAST 角点）和BRIEF描述子（Binary Robust Independent Elementary Features）组成。

提取 ORB 特征分为两个步骤： FAST 角点提取：找出图像中的” 角点”。相较于原版的 FAST, ORB 中计算了特征点的主方向，为后续的 BRIEF描述子增加了旋转不变特性。
BRIEF 描述子：对前一步提取出特征点的周围图像区域进行描述。
（原文链接：https://blog.csdn.net/weixin_43891708/article/details/121119445）

• 累积漂移：视觉里程计只估计了两个图像间的运动，而每次的估计都有一定的误差，由于里程计的工作方式，导致先前时刻的误差会传递到下一时刻，一段时间后，估计的轨迹不准确

IMU 惯性测量单元(Inertial Measurement Unit) 是测量物体三轴角速度和加速度的设备。

狭义上，一个IMU内在正交的三轴上安装陀螺仪和加速度计，共6个自由度，来测量物体在三维空间的角速度和加速度，这就是我们熟知的"6轴IMU"；

广义上，IMU可在加速度计和陀螺仪的基础上加入磁力计，就形成了"9轴IMU"。

惯性测量单元(Inertial Measurement Unit)是测量物体三轴姿态角(或角速率)以及加速度的装置。一般的，一个IMU包含了三个单轴的加速度计和三个单轴的陀螺，加速度计检测物体在载体坐标系统独立三轴的加速度信号，而陀螺检测载体相对于导航坐标系的角速度信号，测量物体在三维空间中的角速度和加速度。

极线几何约束：

鲁棒性（Robustness）：是指一个计算机系统在执行过程中处理错误，以及算法在遭遇输入、运算等异常时继续正常运行的能力。 诸如模糊测试之类的形式化方法中，必须通过制造错误的或不可预期的输入来验证程序的健壮性。即 一个系统或组织有抵御或克服不利条件的能力。

视觉 SLAM关键性问题:特征检测与匹配

 点特征使用：

SIFT（Scale-invariant feature transform）：即尺度不变特征变换，是用于图像处理领域的一种描述。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。

步骤

1、提取关键点：关键点是一些十分突出的不会因光照、尺度、旋转等因素而消失的点，比如角点、边缘点、暗区域的亮点以及亮区域的暗点。此步骤是搜索所有尺度空间上的图像位置。通过高斯微分函数来识别潜在的具有尺度和旋转不变的兴趣点。

2、定位关键点并确定特征方向：在每个候选的位置上，通过一个拟合精细的模型来确定位置和尺度。关键点的选择依据于它们的稳定程度。然后基于图像局部的梯度方向，分配给每个关键点位置一个或多个方向。所有后面的对图像数据的操作都相对于关键点的方向、尺度和位置进行变换，从而提供对于这些变换的不变性。

3. 通过各关键点的特征向量，进行两两比较找出相互匹配的若干对特征点，建立景物间的对应关系。
原文链接：https://blog.csdn.net/qq_44666320/article/details/118188455

SURF（Speeded Up Robust Feature）特征：是对SIFT算法的改进，其基本结构、步骤与SIFT相近，但具体程有所不同,相对于SIFT特征的算法速度提高了3到7倍，且稳定性好。

Oriented FAST and Rotated BRIEF

ORB 特征最大的优点是计算速度快， 是SIFT 特征的 100 倍 ，SURF 特征的10 倍 ， 其原因是

ORB（Oriented FAST and Rotated BRIEF) 算法分为两部分，特征点提取和特征点描述。

特征提取是由FAST（Features from  Accelerated Segment Test）算法发展来的，

特征点描述是根据BRIEF（Binary Robust IndependentElementary Features）特征描述算法改进的。ORB特征是将FAST特征点的检测方法与BRIEF特征描述子结合起来，并在它们原来的基础上做了改进与优化。

原文链接：https://blog.csdn.net/zouzoupaopao229/article/details/52625678

视觉SLAM 主要发展趋势及研究热点

1.多传感器融合

2. 深度学习的结合