2021-06-05

2021年6月5日
阅读《视觉SLAM十四讲：从理论到实践》第二章笔记

1 视觉slam目标
通过一些列连续变化的图像，进行定位和地图的构建

2.相机分类
(1)单目相机
透视投影
平移才能算深度–从运动记录结构–近快远慢–视差
尺度不确定性

(2)双目相机
两个相机之间距离称为基线baseline
通过基线估计像素的空间位置
与人眼类似，通过左右眼差异判断距离
基线距离越大，能够测到的物体越远
通过软件计算
缺点：配置与标定复杂，计算量大

(3)深度相机（RGB-D）
通过主动向物体发射并接受反射光测距
通过物理的测量手段
存在问题：范围窄，噪声大，视野小，日光干扰，投射材质

3.经典视觉slam框架
(1)传感器信息读取

(2)前端视觉里程计（VO）
视觉里程计能够通过相邻帧间的图像估计相机运动，并恢复场景空间结构
主要是图像的特征提取和匹配
存在累计漂移（Accumulating Draft）需要后端优化和回环检测解决
回环检测检测机器人是否回到原始位置，后端优化通过该信息校正整个轨迹

(3)后端非线性优化（Optimization）
如何从带噪数据中估计系统状态，以及这个状态估计的不确定性由多大（最大后验概率估计）
slam问题本质——对运动主体自身和周围环境空间不确定性的估计
主要是滤波与非线性优化算法

(4)回环检测
识别到过场景的能力
判断图像间的相似性

(5)建图
度量地图：强调精确表示物体的位置关系，分稀疏和稠密
拓扑地图：强调地图元素之间的关系，只考虑节点间的连通性

4.slam问题的数学表达