高翔slam14讲-笔记1

• 高翔本尊在B站的讲课视频，建议看视频之前先把《视觉SLAM十四讲》浏览一遍
• 《视觉SLAM十四讲》代码按章节托管在这里
  准备工作：
• 如何在windows下安装VMware并创建linux虚拟机(ubuntu)

slam基本概念

• slam：搭载特定传感器的主体，在没有先验环境信息的情况下，于运动过程中建立环境的模型，同时估计自己的运动
• 地图模型：广义的地图，百度地图是一种地图，空间环境中离散的点，用于定位的，在slam中也叫地图
• slam应用领域：机器人、无人机、无人驾驶、增强现实
• 入门相关书籍：The Bible: Multiple View Gemetry in Computer Vision
  State Estimation for Robotics: A Matrix Lie Group Approch
  Probabilistic Robotics
• SLAM相关的两类传感器：
  安装于环境中的，如二维码标识、GPS、导轨、磁条
  携带于机器人本体上，如IMU, 激光、相机
• 视觉SLAM相机：
  单目：没有深度
  双目：通过视差计算深度 stereo
  RGBD：通过物理方法测量深度，物理手段测量深度，如结构光
  ToF，主动测量，功耗大，深度值准确，可测得每个像素的深度，
  量程小，一般几十米，易受干扰，室外难以适用（结构光易受自然光干扰）
• 视觉SLAM框架：前端VO，后端Optimization, 回环检测：Loop Closing, 建图：Mapping

slam问题的最简单描述

======= 未完===========

线性代数知识

向量的外积（叉乘）
概述：两个向量的外积，又叫叉乘，其运算结果是一个向量而非标量，两个向量的外积与这两个向量组成的坐标平面垂直。
定义： 向量a与b的外积a×b是一个向量，其长度等于|a×b|=|a||b|sin(a,b)，其方向正交于a与b，并且，(a,b,a×b)构成右手系。特别的，0×a=a×0，此外，对任意向量a,a×a=0。
对于向量a和向量b：

a和b的外积公式为：

其中：

向量外积的几何意义：
（事实上，三维以上就没有几何意义了，因此线性代数里讨论几何意义的意义不大，仅起到辅助理解作用）
在三维几何里，向量a和向量b的外积结果是一个法向量，该向量垂直于a和b向量构成的平面。在3D图像学中，外积的概念非常有用，可以通过两个向量的外积，生成第三个垂直于a,b的法向量，从而构建X、Y、Z坐标系。如下图所示