视觉SLAM十四讲-高翔（学习笔记）第2讲初识SLAM

最新推荐文章于 2024-04-13 13:23:36 发布

玛卡巴卡_qin

最新推荐文章于 2024-04-13 13:23:36 发布

阅读量722

点赞数 3

分类专栏： VSLAM 文章标签：学习计算机视觉人工智能

本文链接：https://blog.csdn.net/qin_liang/article/details/126726922

版权

VSLAM 专栏收录该内容

19 篇文章 3 订阅

订阅专栏

初识SLAM

1. 经典视觉SLAM 框架

在这里插入图片描述
视觉SLAM流程分为以下几步：

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。
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）。
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）。
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。
建图（Mapping）。它根据估计的轨迹，建立与任务要求对应的地图。

经典的视觉SLAM 框架是过去十几年内，研究者们总结的成果。这个框架本身，以及它所包含的算法已经基本定型，并且在许多视觉程序库和机器人程序库中已经提供。如果把工作环境限定在静态、刚体，光照变化不明显、没有人为干扰的场景，那么，这个SLAM 系统是相当成熟的了。

1.1 视觉里程计

视觉里程计关心相邻图像之间的相机运动，最简单的情况当然是两张图像之间的运动关系
在这里插入图片描述
比如从这两张图片中，我们用肉眼直觉可以感受到两张图的视角变化关系，但转动了多少度，我们就很难给出一个确切的答案了。在计算机中，为了定量的估计相机的运动，必须在了解相机与空间点的几何关系之后进行。

VO之所以叫里程计是因为是因为它和实际的里程计一样，只计算相邻时刻的运动，而和再往前的过去的信息没有关联。只要把相邻时刻的运动“串”起来，就构成了机器人的运动轨迹，从而解决了定位问题。另一方面，我们根据每个时刻的相机位置，计算出各像素对应的空间点的位置，就得到了地图。然而，仅通过视觉里程计来估计轨迹，将不可避免地出现累计漂移（Accumulating Drift）
我们知道，每次估计都带有一定的误差，而由于里程计的工作方式，先前时刻的误差将会传递到下一时刻，导致经过一段时间之后，估计的轨迹将不再准确。比方说，机器人先向左转90 度，再向右转了90 度。由于误差，我们把第一个90 度估计成了89 度。那我们就会尴尬地发现，向右转之后机器人的估计位置并没有回到原点。更糟糕的是，即使之后的估计再准确，与真实值相比，都会带上这-1 度的误差。
在这里插入图片描述
这也就是所谓的漂移（Drift）。它将导致我们无法建立一致的地图。你会发现原本直的走廊变成了斜的，而原本90 度的直角变成了歪的——这实在是一件很难令人忍受的事情！为了解决漂移问题，我们还需要两种技术：后端优化和回环检测。
回环检测负责把“机器人回到原始位置”的事情检测出来，而后端优化则根据该信息，校正整个轨迹的形状。

1.2 后端优化

后端优化主要指处理SLAM 过程中噪声的问题。。虽然我们很希望所有的数据都是准确的，然而现实中，再精确的传感器也带有一定的噪声。。后端优化要考虑的问题，就是如何从这些带有噪声的数据中，估计整个系统的状态，以及这个状态估计的不确定性有多大——这称为最大后验概率估计（Maximum-a-Posteriori，MAP）。这里的状态既包括机器人自身的轨迹，也包含地图。

相对的，视觉里程计部分，有时被称为“前端”。在SLAM 框架中，前端给后端提供
待优化的数据，以及这些数据的初始值。而后端负责整体的优化过程，它往往面对的只有
数据，不必关心这些数据到底来自什么传感器。在视觉SLAM 中，前端和计算机视觉研
究领域更为相关，比如图像的特征提取与匹配等，后端则主要是滤波与非线性优化算法。

1.3 回环检测

回环检测，又称闭环检测（Loop Closure Detection），主要解决位置估计随时间漂移的问题。怎么解决呢？假设实际情况下，机器人经过一段时间运动后回到了原点，但是由于漂移，它的位置估计值却没有回到原点。怎么办呢？我们想，如果有某种手段，让机器人知道“回到了原点”这件事，或者把“原点”识别出来，我们再把位置估计值“拉”过去，就可以消除漂移了。这就是所谓的回环检测。

为了实现回环检测，我们需要让机器人具有识别曾到达过的场景的能力。例如，我们可以判断图像间的相似性，来完成回环检测。

在检测到回环之后，我们会把“A 与B 是同一个点”这样的信息告诉后端优化算法。然后，后端根据这些新的信息，把轨迹和地图调整到符合回环检测结果的样子。这样，如果我们有充分而且正确的回环检测，就可以消除累积误差，得到全局一致的轨迹和地图。

1.4 建图

建图（Mapping）是指构建地图的过程。地图是对环境的描述，但这个描述并不是固定的，需要视SLAM 的应用而定。
在这里插入图片描述
对于地图，我们有太多的想法和需求。因此，相比于前面提到的视觉里程计、回环检测和后端优化，建图并没有一个固定的形式和算法。一组空间点的集合也可以称为地图，一个漂亮的3D 模型亦是地图，一个标记着城市、村庄、铁路、河道的图片亦是地图。地图的形式随SLAM 的应用场合而定。大体上讲，它们可以分为度量地图与拓扑地图两种。

度量地图（Metric Map）
度量地图强调精确地表示地图中物体的位置关系，通常我们用稀疏（Sparse）与稠密（Dense）对它们进行分类。稀疏地图进行了一定程度的抽象，并不需要表达所有的物体。例如，我们选择一部分具有代表意义的东西，称之为路标（Landmark），那么一张稀疏地图就是由路标组成的地图，而不是路标的部分就可以忽略掉。相对的，稠密地图着重于建模所有看到的东西。对于定位来说，稀疏路标地图就足够了。而用于导航时，我们往往需要稠密的地图（否则撞上两个路标之间的墙怎么办？）。稠密地图通常按照某种分辨率，由许多个小块组成。二维度量地图是许多个小格子（Grid），三维则是许多小方块（Voxel）。一般地，一个小块含有占据、空闲、未知三种状态，以表达该格内是否有物体。当我们查询某个空间位置时，地图能够给出该位置是否可以通过的信息。

拓扑地图（Topological Map）
相比于度量地图的精确性，拓扑地图则更强调地图元素之间的关系。拓扑地图是一个图（Graph），由节点和边组成，只考虑节点间的连通性，例如A，B 点是连通的，而不考虑如何从A 点到达B 点的过程。它放松了地图对精确位置的需要，去掉地图的细节问题，是一种更为紧凑的表达方式。然而，拓扑地图不擅长表达具有复杂结构的地图。

2. SLAM 问题的数学表述

先来看运动。通常，机器人会携带一个测量自身运动的传感器，比如说码盘或惯性传感器。这个传感器可以测量有关运动的读数，但不一定直接是位置之差，还可能是加速度、角速度等信息。然而，无论是什么传感器，我们都能使用一个通用的、抽象的数学模型：
$x_{k}=f(x_{k-1},u_{k},w_{k})$ 这里 $u_{k}$ 是运动传感器的读数（有时也叫输入）， $w_{k}$ 为噪声。注意到，我们用一个一般函数 $f$ 来描述这个过程，而不具体指明 $f$ 的作用方式。这使得整个函数可以指代任意的运动传感器，成为一个通用的方程，而不必限定于某个特殊的传感器上。我们把它称为运动方程。
与运动方程相对应，还有一个观测方程。观测方程描述的是，当小萝卜在 $x_{k}$ 位置上看到某个路标点 $y_{j}$ ，产生了一个观测数据 $z_{k,j}$ 。同样，我们用一个抽象的函数 $h$ 来描述这个关系： $z_{k,j}=h(y_{j},x_{k},v_{k,j})$ 这里 $v_{k,j}$ 是这次观测里的噪声。由于观测所用的传感器形式更多，这里的观测数据 $z$ 以及观测方程 $h$ 也许多不同的形式。
观测者的位姿（位置+姿态）由两个位置和一个转角来描述，即 $\bm{x_{k}}=\begin{bmatrix}x , y , \theta \end{bmatrix}_{k}^{T}$ ,记姿态的变化量为 $\bm{u_{k}}=\begin{bmatrix}\Delta x , \Delta y ,\Delta \theta \end{bmatrix}_{k}^{T}$ 那此时的运动方程可以具体化为： $\begin{bmatrix}x\\ y\\ z\end{bmatrix}_{k} =\begin{bmatrix}x\\ y\\ \theta\end{bmatrix}_{k-1} +\begin{bmatrix}\Delta x\\ \Delta y\\ \Delta \theta\end{bmatrix}_{k-1} +\bm{w}_{k}$ 这是简单的线性关系。不过，并不是所有的传感器都直接能测量出位移和角度变化，所以也存在着其他形式更加复杂的运动方程，那时我们可能需要进行动力学分析。SLAM过程可以总结为两个基本方程： $\left\{\begin{matrix} x_{k}=f(x_{k-1},u_{k},w_{k})\\ z_{k,j}=h(y_{j},x_{k},v_{k,j}) \end{matrix}\right.$ 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 $\bm{x}$ ）和建图问题（估计 $\bm{y}$ ）？这时，我们把SLAM问题建模成了一个状态估计问题：如何通过带有噪声的测量数据，估计内部的、隐藏着的状态变量？

3. 编程基础

直接写习惯的编程方法示例

在文件夹下创建helloSLAM.cpp和CmakeLists.txt

// helloSLAM.cpp
#include<iostream>
using namespace std;

int main()
{
	cout<<"Hello SLAM!"<<endl;
	return 0;
}

// CmakeLists.txt
cmake_minimum_required(VERSION 2.8)

project(HelloSLAM)

add_executable(helloSLAM helloSLAM.cpp)

在这里插入图片描述
依次执行

mkdir build
cd build
cmake ..
make

在这里插入图片描述

使用库的情况
首选创建一个 libHelloSLAM.cpp

#include<iostream>
using namespace std;

void printHello()
{
	cout<<"Hello SLAM!"<<endl;
}

创建头文件libHelloSLAM.h

#ifndef LIBHELLOSLAM_H_
#define LIBHELLOSLAM_H_
void printHello();
#endif

创建主文件useHello.cpp

#include "libHelloSLAM.h"

int main()
{
	printHello();
	return 0;
}

创建CMakeLists.txt
这里使用的是共享库（没有使用静态库，因为静态库每次运行都会生成一个副本，共享库只有一个副本）

cmake_minimum_required(VERSION 2.8)

project(HelloSLAM)

add_library(hello_shared SHARED libHelloSLAM.cpp)

add_executable(useHello useHello.cpp)
target_link_libraries(useHello hello_shared)