视觉SLAM十四讲学习笔记——第二讲

2.1引子：小萝卜的例子

　　1. 惯性测量单元（Inertial Measurement Unit, IMU）

　　2. 按照工作方式的不同，相机可以分为单目相机（Monocular）、双目相机（Stereo）、和深度相机（RGB-D）三大类。

　　3. RGB-D除了能够采集到彩色图片之外，还能够读出每个像素与相机之间的距离。

　　单目相机

　　　　只使用一个摄像头进行SLAM的做法称为单目SLAM（Monocular SLAM）。

　　双目相机和深度相机

　　　　深度相机的最大特点是可以通过红外结构光或Time-of-Flight（ToF）原理，像激光传感器那样，通过主动向物体发射光并接收返回的光，测出物体与相机之间的距离。

2.2经典视觉SLAM框架

　　

整体视觉SLAM流程图

　　整个视觉SLAM流程包括以下步骤。

　　1. 传感器信息获取。相机图像信息的预处理

　　2. 视觉里程计（Visual Odometry, VO）。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。VO又称为前端（Front End）。

　　3. 后端优化（Optimization）。后端接受不同时刻视觉里程计测量的相机位姿，以及回环检测信息，对它们进行优化，得到全局一致的轨迹和地图。

　　4. 回环检测（Loop Closing）。回环检测判断机器人是否到达过先前的位置。

　　5. 建图（Mapping）。它会根据估计的轨迹，建立与任务要求对应的地图。

　　VO能够通过相邻帧间的图像估计相机运动，并恢复场景的空间结构。

　　在视觉SLAM中，前端和计算机视觉领域更为相关，比如图像的特征提取与匹配等，后端则主要是滤波与非线性优化算法。

　　SLAM问题的本质：对运动主体和周围环境空间不确定性的估计。

　　回环检测，又称闭环检测（Loop Closure Detectioon）,主要解决位置估计随时间漂移的问题。

　　度量地图（Metric Map）:

　　　　度量地图强调精确地表示地图中物体的位置关系，通常用稀疏（Sparse）与稠密（Dense）对其分类。

　　拓扑地图（Topological Map）:

　　　　拓扑地图更加强调地图元素之间的关系。

 

转载于:https://www.cnblogs.com/NEU-2015/p/9917444.html