#经典SLAM过程
SLAM (simultaneous localization and mapping),也称为CML (Concurrent Mapping and Localization), 即时定位与地图构建,或并发建图与定位。
1)室内机器人 国内的科沃斯、塔米扫地机通过用SLAM算法结合激光雷达或者摄像头的方法,让扫地机可以高效绘制室内地图,智能分析和规划扫地环境,从而成功让自己步入了智能导航的阵列。
2)AR 目前基于SLAM技术开发的代表性产品有微软的Hololens,谷歌的Project Tango以及同样有名的Magic Leap
几个目前比较有名的SLAM算法:PTAM,MonoSLAM, ORB-SLAM,RGBD-SLAM,RTAB-SLAM,LSD-SLAM。
1. 码盘
2. 摄像头
RGB-D 红外结构光摄像机
双目摄像机
3. 惯性传感器
基本的VO:特征提取和匹配 根据输入的图像,计算相机运动和特征点位置。在两两帧间的位姿估计,仅凭两帧的估计是不够的。需要把征点缓存成一个小地图,计算当前帧与地图之间的位置关系。
优化过程主要使用在SLAM的噪声问题(传感器噪声,数据噪声,自然光,人为因素等)
单目视觉SLAM方法在是否引入概率框架方面分为基于概率框架的方法和基于非概率框架的方法。其中前者的代表方法是基于Kalman滤波(KF)的方法,基于粒子滤波(PF)的方法等;后者的代表方法是基于关键帧和稀疏捆绑调整优化的方法,基于图优化的方法等。 线性高斯系统(Liner Gaussian LG)中使用卡尔曼滤波器(Kalman Filter KF)来进行data的无偏最优估计。在非线性高斯系统中(Non-Liner Non-Gaussian,NLNG系统)将会使用拓展卡尔曼滤波器(Extended Kalman Filter EKF),后期的SLAM采用粒子滤波器(Particle Filter)进行数据的滤波处理。
参考资料 : Probabilistic Robotics by Sebastian Thrun, Wolfram Burgard and Dieter Fox with a clear overview of SLAM. SLAM For Dummies (A Tutorial Approach to Simultaneous Localization and Mapping). Andrew Davison research page at Imperial College London about SLAM using vision. Autonomous and Perceptive Systems research page at University of Groningen about visual SLAM. openslam.org A good collection of open source code and explanations of SLAM. Matlab Toolbox of Kalman Filtering applied to Simultaneous Localization and Mapping Vehicle moving in 1D, 2D and 3D. SLAM Example using Processing.js of Feature-Based Navigation. FootSLAM research page at DLR including the related Wifi SLAM and PlaceSLAM approaches. SLAM lecture Online SLAM lecture based on Python. SLAM in use for indoor positioning and navigation.