《视觉slam十四讲》阅读笔记及课后习题详解——第一讲

前言

今天开始，开启这一系列博客，记录自己的学习过程。博客大致分为阅读笔记和课后习题。

更新计划：

2020.08.19——2020.08.31：更新第一、二、三、四讲
2020.09.01——2020.09.31：更新第五、六、七讲
2020.10.01——2020.10.31：更新第八、九、十、十一讲
2020.11.01——2020.11.31：更新第十二、十三、十四讲

读书笔记

1.1 主要内容

SLAM：
SLAM，全称是Simultaneous Localization and Mapping,即“同时定位与地图构建”。就是在搭载特定传感器的情况下，在没有环境先验信息的情况下，于运动过程中建立环境的模型，同时估计自己的运动。

1.2 本书结构

前言：

1. 第一讲：介绍本书基本信息，以讲义的形式，每讲分为理论部分、实践部分。

数学基础篇：

1. 第二讲：SLAM系统概述，介绍SLAM系统的四个组成模块，及各模块的具体工作。
2. 第三讲：三维空间运动，主要介绍：旋转矩阵、四元数、欧拉角的相关概念，及Eigen中如何使用。
3. 第四讲：李群和李代数，理论部分，以及Sophus操作。
4. 第五讲：针孔相机模型以及图像在计算机中的表达，将用到OpenCV来调取相机的内外参数。
5. 第六讲：非线性优化，包括状态估计理论基础、最小二乘法、梯度下降方法。实践部分包括：Ceres和g2o的使用，及曲线拟合。

SLAM技术篇：

1. 第七讲：特征点的视觉里程计。包括特征点的提取与匹配、对极几何约束的计算、PnP和ICP等。实践部分：用上述方法去估计两个图像之间的运动。
2. 第八讲：直接法的视觉里程计。包括光流和直接法的原理，然后利用g2o实现一个简单的RGB-D直接法。
3. 第九讲：视觉里程计的实践章，将搭载一个视觉里程计框架，综合应用先前知识。
4. 第十讲：后端优化，主要为BUN多了Adjustment的深入讨论，包括基本的BA以及如何利用稀疏性加速求解过程。将用Ceres和g2o分别书写一个BA程序。
5. 第十一讲：主要讲后端优化的位姿图。位姿图是表达关键帧之间约束的一种更紧凑的形式。将用到g2o和gtsam对一个位姿球进行优化。
6. 第十二讲：回环检测，以词袋方法为主的回环检测。将使用dbow3书写字典训练程序和回环检测程序。
7. 第十三讲：地图构建，将会讨论如何使用单目进行稠密深度图的估计，以及RGB-D的稠密地图构建过程。会书写极限搜索与块匹配的程序，然后在RGB-D中遇到点云地图和八叉树地图构建。
8. 第十四讲：介绍当前开源SLAM项目及未来发展方向。

1.4 代码

代码地址： https://github.com/gaoxiang12/slambook

课后习题