视觉slam十四讲学习笔记：第一、二讲。

一、二讲学习总结

SLAM十四讲是高翔博士写的非常经典的视觉slam书籍，记录下学习心得，与大家分享学习。
一、知识总结
1、slam英文为Simultaneous Localization and Mapping，意思是同时定位与建图。它指搭建特定的传感器的主体，在没有环境先验信息的情况下，在运动过程中建立环境的模型，同时估计自己的运动。当传感器主要为相机时，可称为‘视觉slam’。
2、slam技术应用在机器人定位导航，AR/VR、三维重建等领域。
3、相机主要分为单目（Monocular）、双目(Stereo)、深度相机(RGB-D)三类。
（1）单目相机：是三维空间的二维投影，可以用来估计相机运动和结构（场景的大小和远近）。
原理是近处的物体移动的快、远处的物体移动慢，相机运动可以形成视差。
优点：成本低；
缺点：尺度不确定性，无法估计物体的真实尺度。例如相机的运动和场景同时放大两倍，单目所看到的像是一样的。
（2）双目相机：基线（两个相机间的距离）来估计每个像素的空间位置。基线越大，测量的物体越远。
优点：解决了尺度不确定性。
缺点：深度量程和精度受双目的基线和分辨率限制；视差的计算消耗计算资源。
（3）深度相机：通过红外结构光或Time-of-Flight(ToF)原理，用物理方法测量物体的距离。
优点：相比双目节省计算量。
缺点：测量范围窄、噪声大、视野小、易受日光干扰、无法测量透射材料等
4、salm框架主要包括传感器信息读取、视觉里程计、后端优化、建图以及回环检测五部分。

（1）传感器信息的读取：主要为图像信息的读取和预处理。以及其他传感器如惯性传感器信息的读取和处理。
（2）视觉里程计：估计相邻图像间的运动。单独的vo存在累计漂移问题。
（3）后端优化：对相机位姿和回环检测的信息进行优化，采用滤波和非线性优化方法，解决在带有噪声的数据中，估计整个系统的状态，以及状态估计的不确定性。目的是得到全局一致的轨迹和地图。
（4）建图：目的是解决位置估计随时间漂移的问题，建立与任务对应的地图。需要使机器人识别曾经到达过的场景的能力。如判断图像间相似性来完成回环检测。分为度量地图和拓扑地图。
5、拓扑地图：强调地图元素的关系，由节点和边组成，只考虑节点的联通性。
6、度量地图：强调精确地表示地图中物体的位置关系，用稀疏和稠密对它们进行分类。二维度量地图是许多个小格子组成，三维是方块。包括占据、空闲以及未知三种状态。
二、数学表述
1、运动方程

2、观测方程

3、符号意义x为机器人各时刻位置,y为路标，u为传感器的输入数据，w、v为噪声。z为观测数据。机器人在环境中移动可以描述为运动方程和观测方程，转化为求解定位x和建图y的问题。问题建模为一个状态估计问题。
三、代码实践
有库文件 libHelloSLAM.cpp，头文件libHelloSLAM.h
1、使用cmake。
mkdir build 建立中间目录
cd build 切换到build目录下
cmake … (俩点)对当前工程进行分析；
make 编译；
./helloSLAM 运行可执行程序helloSLAM;
2、使用库
1)书写库函数libHelloSLAM.cpp
2）在CMakeList.txt中加
add_library(hello libHelloSLAM.cpp) %hello是库名
3）编译工程
cd build
cmake…
make
3、获得libhello.a的文件就是库。.a文件是静态库，.so是共享库。调用库需要头文件和库文件。
如想生成共享库语句 add_library(hello_shared SHARED libHelloSLAM.cpp)
4、编写程序uesHello调用库，在CMakeList.txt中加
add_executable(useHello useHello.cpp)
target_link_libraries(useHello hello_shared)
参考书籍 《视觉SLAM 十四讲》作者：高翔