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)