视觉SLAM十四讲 第2讲 初识slam

第二讲 初识SLAM

今天开始再系统的学习一遍高博的十四讲，在这里做一些笔记，打算开学前能写完。

一、引言

常用的相机

SLAM中使用的相机往往比我们熟悉的单反相机等更加简单，能够以一定的速率拍摄周围的环境，形成一个连续的视频流。按照工作方式可以分为：

• 单目相机(Monocular)
• 双目相机(Stereo)
• 深度相机(RGB-D)

单目相机

照片实质是拍照时的场景在相机的成像平面，它以二维的形式反映了三维的世界。因而丢掉了场景的深度(距离)信息。在单目相机中，我们无法从单张照片来计算场景中物体与我们之间的距离，只能通过移动相机才能估计出它的运动。但是单目SLAM估计的轨迹和地图总和真是的轨迹和地图相差一个因子，即所谓的尺度，单目SLAM无法仅通过图像确定这个真实尺度，成为尺度不确定性。种种问题给单目SLAM的应用带来了诸多不便。

双目相机和深度相机

单目SLAM的问题根本在于无法通过单张图片获取深度信息。而双目相机和深度相机可以弥补这一缺点。双目相机可以根据两个相机之间的距离(基线)来估计每个像素的空间位置。双目相机既可以在室外工作也可以在室内工作，但其配置和标定较为复杂，且需要消耗大量的计算资源。
深度相机，其最大的特点是可以通过红外结构光或Time-of-Flight(TOF)原理，主动向物体发射光，并接受返回的光，测出物体与相机之间的距离。利用深度相机测距可以节省大量的计算，但多数的深度相机目前还存在测量范围窄，噪声大，视野小，易受日光干扰，无法测量投射材质等问题。

二、经典视觉SLAM框架

视觉里程计

视觉里程计(Visual Odometry, VO)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又称前端。仅仅通过视觉里程计，看似可以解决SLAM问题，但是视觉里程计(在最简单的情况下)只估计两个图像间的运动，这将带来不可避免的累计漂移。因此还需要两种技术：后端优化和回环检测。

后端优化

后端优化(Optimization)接受不同时刻视觉里程计测量的相机位姿，以及回环检测的信息，对他们进行优化，得到全局一致的轨迹和地图。后端优化主要处理SLAM中的噪声问题，即这些噪声是如何从上一个时刻传递到下一个时刻的，而我们对当前的估计又有多大的自信。

回环检测

回环检测(Loop Closing)判断机器人是否到达过先前位置。如果检测到回环，他会把信息提供给后端进行处理。回环检测主要解决位置估计随时间漂移的问题，如果有了充分而且正确的回环检测，就可以消除累计误差，得到全局一致的轨迹和地图。

建图

建图(Mapping)根据估计的轨迹，建立与任务要求对应的地图。
地图大体上可以分为度量地图和拓扑地图两种：度量地图可分为稀疏和稠密两种，对于定位而言，稀疏地图就可达到要求，而对于导航来说，则需要更多的是稠密地图。拓扑地图则更强调地图元素之间的关系。

三、SLAM问题的数学表述

运动与观测

运动：考虑从k-1时刻到k时刻，机器人的位置x是如何变化的。
观测：假设机器人在k时刻于$x_k$处探测到了一个路标$y_j$，考虑这件事如何用数学语言来描述。

运动方程

用$u_k$来表示运动传感器的读数即输入，$w_k$为噪声，则：
$x_k=f(x_{k-1},u_k,w_k)$

观测方程

当机器人在$x_k$位置观察到某个路标点$y_j$，产生了一个观测数据$z_{k,j}$,则：
$z_{k,j}=h(y_j,x_k,v_{k,j})$

这两个方程描述了最基本的SLAM问题，当知道运动测量的读数u，以及传感器的读数z时，如何求解定位问题(估计x)，和建图问题(估计y)。