视觉SLAM14讲学习笔记-ch2

 本博客主要记录学习高翔老师视觉SLAM14讲的总结笔记，若有总结不对的地方，欢迎大家与我讨论。

一、相机分类

1.1 单目相机

• 缺失了一维信息数据，即深度
• 可以通过移动单目相机来估计运动和环境结构，即生成视差
• 单目SLAM估计的轨迹和地图与真实轨迹和地图相差一个因子，即尺度不确定性

1.2 双目相机

• 利用基线来估计深度，基线越宽，可测量的物体越远
• 计算量是双目的主要问题之一
• 克服了尺度不确定性

1.3 深度相机

• 一般通过红外结构光和TOF原理，通过硬件来计算深度

二、经典视觉SLAM框架

2.1 视觉里程计--图像特征提取与匹配

• 关心相邻图像之间的相机运动，即相邻时刻之间的运动和过去信息没有关系
• 由于只有局部信息，所以存在累计漂移，因此需要后端优化和回环检测来校正

2.2 后端优化--滤波与非线性优化

• 主要指处理SLAM过程中的噪声问题
• 从带噪声的数据中估计整个系统的状态，以及该状态的不确定性有多大，即最大后验概率估计

2.3 回环检测

• 主要解决位置估计随时间漂移的问题

2.4 建图

• 度量地图：稀疏与稠密
• 拓扑地图：Graph由节点和边组成

三、SLAM问题的数学表述

 其中x表示位姿，u表示输入或传感器读入，z表示观察数据，y表示路标点，w和v表示噪声。根据传感器和运动模型的不同，该公式可参数化不同的形式。

SLAM的基本核心：由运动输入u和传感器读数z，来估计x和y的过程。