视觉SLAM十四讲 第2讲 初识SLAM

1、相机速度

普通相机能以30张图片每秒钟的速度采集图像，高速相机更快。

2、单目相机的尺度不确定性

首先，单目相机能够得到单张的相片，但是我们从单张之中是无法得到其$深度距离$的；
因此，我们对单目相机进行了移动，造成双目相机的效果，在图像运用上出现了视差，此时，可以得到其距离信息；
但，该值仍旧是一个$相对值$，原因是：如果把相机的运动和场景大小同时放大两倍，其在相机中的图像是一样的，$真实尺度（实际物体的大小）$缺失了。

书中的一句话：平移之后才能确定深度，以及无法确定真实尺度。
我的理解是：通过平移得到类似双目相机的效果，由于视差的出现可以得到深度，但此时的深度是具有不确定性的，因为尺度未知。所谓的确定深度指的是能够通过数学计算获取深度信息。

3、双目测距原理

双目相机其实是通过两个单目相机组成，但$相机间的距离（基线）$已知，基线越大，能够测量的深度范围越远.

缺点：
计算量大，配置与标定复杂，视差的计算消耗资源$（？？？不是已知吗）$，需要GPU和FPGA加速。
大多数立体匹配算法计算出来的视差都是一些离散的特定整数值，可满足一般应用的精度要求。
$但在一些精度要求比较高的场合，如精确的三维重构中，就需要在初始视差获取后采用一些措施对视差进行细化，如匹配代价的曲线拟合、图像滤波、图像分割等。$

4、深度相机测距原理（RGBD相机）

红外结构光测量
time-of-flight飞行时间测量法
$kinect,xtion.pro.live,realsense$

5、为什么单目通过移动还不知道真实深度，而双目可以？

这是由于双目中的视差是已知的，因此能得到尺度信息，
但是单目相机中两张图的距离是未知的。我们无法说两张图片之间的位置信息。（顶多也是大概，且需人为测量，每次）

6、SLAM 框架

传感器数据：在这里主要是视觉，相机图像的读取和预处理。机器人中码盘和惯性传感器
VO视觉里程计：估算相邻图像帧间的相机运动，以及局部地图的样子。存在误差
后端优化：接收前端信息以及回环检测的信息，优化后得到全局一致的轨迹和地图。
回环检测：
建图：建立与任务对应的地图。

7、 SLAM数学描述

$运动方程$:
其中，$x_k$表示的是k时刻的位置，$u_k$表示的是$运动传感器$输入，$w_k$表示的是噪声。
$观测方程$:
其中，$y_j$表示的是在某位置看到的路标，$z_k$${}_{,}$${}_j$表示的是观测数据，v表示观测噪声。
$当观测到多个路标时，可产生多个观测方程。$

$例子一：$

8、编程基础

（1）当前目录下，在功能包下cmake，在通过make命令编译

(2) 使用build文件夹

（3）使用库
。。。。。