[视觉SLAM十四讲] 2 初识SLAM

1 主要内容

1.1 视觉SLAM初见

机器人如果想要在未知环境中具有自主运动能力，就需要知道两件事：机器人自身状态，周围环境，这就对应了定位和建图两个任务。为了完成这两个任务，机器人依赖传感器进行感知。传感器分为两类：一种是机器人自身携带的，包括轮式编码器，相机，激光雷达和IMU等；另一种安装在环境中，如导轨，二维码，GPS卫星等，这种限制了机器人的使用范围。我们主要关注基于相机的视觉SLAM。

视觉SLAM主要利用单目（monocular），双目(stereo)，深度相机(RGB-D)等传感器配置。由于单张图像无法确定深度，单目SLAM存在尺度不确定性问题。双目相机有两个相机，两个相机之间的距离为基线，双目相机测量的深度范围与基线有关。基线距离越大，能够测量的距离越远。双目的主要问题是计算量太大。深度相机最大特点是利用红外结构光或ToF原理，主动发射并接受光，测出距离。相比双目，计算量小，但是测距小，噪声大，容易受日光影响，主要用于室内。

1.2 经典视觉SLAM框架

主要包括四部分：视觉里程计(visual odometry, VO)，后端优化（optimization），建图(mapping)，回环检测(loop closure detection)。视觉里程计通过相机和空间点的几何关系，计算相邻两张图像的相机运动。但是仅仅利用视觉里程计估计轨迹，会存在累积漂移，为此需要后端优化和回环检测。后端优化主要采用状态估计理论处理SLAM过程中的噪声问题。具体来说，是从带有噪声的数据中估计系统状态及其不确定性。回环检测主要解决位姿估计随时间漂移的问题，主要通过图像相似性计算识别以前到过的场景，从而对位姿估计添加约束，消除漂移，得到全局一致的轨迹和地图。建图是构建地图的过程，地图是对环境的描述。地图有多种描述方式，大体分为度量地图（metric map）和拓扑地图(topology map)。

1.3 SLAM的数学描述

SLAM过程可总结为运动方程和观测方程：
$$\{\begin{array}{l}{\mathbf{x}}_{\mathbf{k}}=f({\mathbf{x}}_{\mathbf{k}-1},\mathbf{u}\end{array}$$