【SLAM十四讲CH2】初识SLAM 学习笔记

CH2 初识SLAM

目录：

内容简述：
1.SLAM框架的简要理解
2.Linux基础与cmake使用

学习笔记

相关概念

• 机器人能够在环境中较为自由的行走至少需要两个功能：定位 建图

  在感知方面，机器人要“内外兼修”，要知道自身状态（定位）也要了解外在环境（建图)

• 传感器分为环境传感器和本体携带的传感器

  环境传感器：张贴的二维码、导轨等。能够直接测量到机器人的位置信息
  本体携带的传感器：激光传感器、相机、轮式编码器、惯性测量单元（IMU）等。测量到的一般是间接的物理量而不是直接的位置数据。需要通过一些手段推算出自己的位置。

• 按照相机的工作方式将相机分为三类：单目(Monocular)、双目(stereo)、深度相机(RGB-D)

  单目相机：需要移动才能估计其运动和距离。具有尺度不确定性。
  双目相机：视差的计算非常消耗计算资源。
  深度相机：红外结构光，物理上测量距离。主要用于室内。

经典SLAM框架

• 视觉里程计

  只计算相邻图像间的相机运动，像一种只有很短时间记忆的动物。与计算机视觉研究领域较为相关。造成漂移。

• 后端优化

  主要指处理噪声的问题。如何从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——最大后验概率估计（MAP）。与滤波和非线性优化算法较为相关。

• 回环检测

  判断图片间的相似性，识别曾到达过的场景，解决漂移问题。

• 建图

  度量地图：精确表示地图中物体的位置关系。按稠密和稀疏分类，稀疏地图只关注路标；稠密地图按分辨率由许多小块组成，每个小块有占据、空闲、未知三个状态。
  拓扑地图：是一个图（graph）由节点和边组成。

SLAM问题的数学表述

$$\{\begin{array}{l}{x}_k=f(x_{k-1},u_k,w_k)\\ z_{k,j}=h(y_j,x_k,v_{k.j})\end{array}$$

运动方程：
$x_k(k时刻位置)=f(x_{k-1}(前一时刻位置),u_k(运动传感器读数),w_k(噪声))$
已知前一时刻位置和运动传感器读数求当前时刻位置
观测方程：
$z_{k,j}(观测数据在位置x_k看到路标y_j)=h(y_j(路标),x_k(位置),v_{k.j}(噪声))$
已知观测数据和当前位置求路标

将SLAM建模成了一个状态估计问题