slam 入门笔记（一）

ch1

预备知识

线性代数（矩阵论），高等数学，概率论，c++，linux

ch2

自主运动能力的两大基本问题：

1.定位 2.建图

两类传感器：

1.安装与环境内的（二维码，GPS，导轨）

2.安装于机器人人上的（IMU，激光雷达，相机（数据丰富，处理时间长，环境限制））

相机：

相机的分类：

单目，双目，深度，鱼眼，全景，其他

相机的本质：

用二维的方式记录三维信息

相机的主要区别：有没有记录深度信息

单目：没有深度信息，要通过相机的移动产生深度信息（移动相机时近处的东西）；

双目：通过视差产生深度信息；

RGBD：通过物理（光学）测量产生深度信息（结构光tof法，功耗大，量程较小，深度信息较准确，易受干扰）；

视觉slam框架

视觉slam框架

视觉里程计：

相邻图像估计相机运动；

方法：特征点法，直接法；

后端优化：

从带有噪声的数据中，优化轨迹和地图 状态估计问题

最大后验概率估计MAP

EKF，图优化

回环检测：

检测机器人是否回到了最初的位置

slam过程的数学描述：

离散时间:t=1，2，3，4，5...k

小萝卜的位置：x1,x2...xk（将各参数看成随机变量，服从概率分布）

小萝卜从上一时刻移动到下一时刻：

运动方程：

xk​=f(xk​−1​,uk​,wk​)注：(xk-1 上一时刻的位置，uk输入，wk噪声xk​−1​上一时刻的位置，uk​输入，wk​噪声)

路标（三维空间点,观测目标，空间中的一些东西）：y1​,y2​,...yk​

传感器在位置xk​处探测到了路标yk

观测方程：

注：(z_k,_j 是得到的探测数据，v_k,_j噪声zk​,j​是得到的探测数据，vk​,j​噪声)