slam学习笔记1

       SLAM(Simultaneous Localization and Mapping )同时定位与地图构建，就是搭载特定的传感器的主体，在未知环境的情况下，于运动过程中建立环境的模型，同时估计自己的运动。简单来说就是移动机器人在未知环境中进行定位导航和地图绘制。

       视觉SLAM指的就是机器人搭载的传感器是相机。

 各类相机的区别在于有没有深度信息

单目相机：没有深度信息必须通过移动相机来产生深度Moving View Stereo

双目相机：通过视差来计算深度Stereo。

RGBD深度相机：通过物理方法测量深度（可以直接测量物体的图像和距离，从而恢复三维结构）。

视觉SLAM流程图

前端：VO 后端：Optimization  回环检测 ：loop closing 建图： mapping

 

 视觉里程计 Visual Odometry,即前端（front end），视觉里程计的任务是估算相邻图像间相机的运动，以及局部地图的样子。

非线性优化（Optimization）,又称后端（back end）,通过接收不同时刻视觉里程计的相机位姿，以及回环检测的信息，对其进行优化,得到全局一致的地图。

回环检测（Loop closing）,检测机器人是否回到之前到达过的位置，识别到达过的场景，计算图像间的相似性，然后把信息提供给后端进行处理。

SLAM问题的数学描述

运动方程：

 是当前位置，是上一时刻位置

 是噪声 是输入

 观测方程： 

 是当前位置，是某个路标点，是机器人在此位置上产生的观测数据。

齐次坐标

百科解读：齐次坐标（homogeneous coordinates）就是将一个原本是n维的向量用一个n+1维向量来表示，是指一个用于投影几何里的坐标系统，如同用于欧氏几何里的笛卡儿坐标一般。

许多图形应用涉及到几何变换（平移（相加），旋转和缩放（矩阵相乘）），提供了矩阵运算把二维，三维，高维空间中的点集从一个坐标系变换到另一个坐标系的有效方法，其次它可以表示无穷远的点。

问题：两条平行线相交于一点

欧式几何空间同一平面的两条平行线不能相交，在透视空间里面，两条平行线可以相交。（火车铁轨）

解决方法：齐次坐标

在一个2D笛卡尔坐标末尾加上一个额外的变量w来形成2D齐次坐标，因此，一个点(X,Y)在齐次坐标里面变成了（x,y,w），并且有X = x/w，Y = y/w

(1, 2, 3), (2, 4, 6) 和(4, 8, 12)对应同一个欧式点Euclidean point (1/3, 2/3)，任何标量的乘积，例如(1a, 2a, 3a) 都是对应笛卡尔空间里面的(1/3, 2/3) 。因此，这些点是“齐次的”，因为他们代表了笛卡尔坐标系里面的同一个点。齐次坐标有规模不变性。

考虑如下方程组：

我们知道在笛卡尔坐标系里面，该方程组无解，因为C ≠ D,如果C=D,两条直线就相同了。 让我们在透视空间里面，用齐次坐标x/w, y/w代替x ,y：

现在我们有一个解(x, y, 0)，因为(C-D)w=0，所以w=0；两条直线相交于(x, y, 0)，这个点在无穷远处。

齐次坐标在计算机图形学中是非常有用的基本概念，例如将3D场景投影到2D平面上。

参考： http://www.songho.ca/math/homogeneous/homogeneous.html

关于齐次坐标的理解（经典）_JANESTAR的专栏-CSDN博客

高翔 视觉SLAM十四讲