SLAM十四讲学习总结（一）：SLAM基础

学习总结来自于《视觉SLAM十四讲——从理论到实践》，原著：高翔、张涛等，在这里总结只是为了记录学习过程和方便归纳知识点，如有版权问题请联系我。

1.SLAM定义：Simultaneous Localization and Mapping同时定位与地图构建

2.视觉SLAM所用的三种传感器：

①单目相机：二维反映三维，在相机移动时估计运动和图像中的结构，但具有尺度不确定性，只能观察到物体之间的相对远近，但不知道具体的距离。

②双目相机：两个单目相机组成，利用基线（已知的两个相机的距离） 估计每个像素的空间位置，基线越长可测距离越长。

③深度相机：RGB-D，可用红外结构光或者ToF发射光并接收光测距，但易受干扰。

3.经典视觉SLAM框架流程：

传感器（采集数据和图像）——前端（VO）：视觉里程计（估算相邻图像间相机的运动和局部地图）——后端：非线性优化（接收不同时刻视觉里程计测量的位姿，以及回环检测的信息，并且进行优化）——建图（根据估计的轨迹建立地图）

另外还有闭环检测：连接前端和后端部分，解决累积误差，判断机器人是否回到原来到过的位置

4.地图种类：

度量地图：稀疏地图（只选取路标，用于定位足够）、稠密地图（按分辨率形成，用于导航）

拓扑地图：由节点和边组成，只考虑连通性，放松对精确位置与细节的需求。

5.SLAM的数学描述：

时间序列：1、2、...、k

自身位姿：

地图由N个路标构成：

运动：k和k-1时刻的位置变化

观测：在k时刻的位置观测到了路标，产生一个观测数据

运动方程：,其中为k时刻的运动传感器数据，是k时刻的噪声

观测方程：,其中是噪声数据

SLAM可视作一个状态估计问题：通过带有噪声的测量数据，估计内部、隐藏的状态变量。

6.SLAM系统分类：①根据运动方程和观测方程是否为线性分为线性和非线性系统。

                               ②根据噪声是否服从高斯分布分为高斯和非高斯系统。

线性高斯系统的无偏最优估计可由卡尔曼滤波给出。非线性高斯系统可由扩展卡尔曼滤波和非线性优化给出

 

第一讲习题部分答案：

1.b=0时，Ax=0是齐次方程组，设系数矩阵A的秩为r，列数（即未知数个数）为n，当r=n时方程组只有0解，当r<n时方程组有非零解（有无穷多解）。

b不等于0时，Ax=b为非齐次方程组，B为A和b组成的增广矩阵，列数为n，设系数矩阵A的秩为r，增广矩阵B的秩为b，有解的充分必要条件是r=b。当r=n时有唯一解，当r<n时有无穷多解。

 

2.高斯分布就是正态分布，

一维正态分布，

多维正态分布

3.C++的里的类就是定义了数据结构和用法，STL是标准模板库，有为容器(containers)、迭代器(iterators)、空间配置器(allocator)、配接器(adapters)、算法(algorithms)、仿函数(functors)六个部分。