1.概述与预备知识

SLAM: Simulaneous Localization and Mapping 同时定位与地图构建 《Multiple View Geometry 多视觉几何》 《STATE ESTIMATION FOR ROBOTICS 状态估计 》

自主运动的两大基本问题：

• 我在什么地方
• 周围环境是什么样子
• 定位与建图 = 内外兼修 定位侧重对于自身的了解，建图侧重对于外在的了解

相互关联：

• 准确的定位需要精确地地图
• 精确的地图来自准确的定位

传感器

• 机器人感知外界环境的手段
• 种类：内质/外质的
  • 内质：感受机器人本体的信息
  • 加速度计：感知加速度、陀螺仪：角速度、 编码器：位移
  • 外质 ：测量外界的信息
  • 相机、 激光、导轨、磁条
• 环境限制了传感器的形式：
  • GPS:需要接收到卫星信号的环境
  • Maker、导轨：需要环境允许安装
• 相比之下，激光、相机等携带式传感器更加自由

相机

以一定速率采集图像，形成视频

• 分类
• 单目相机 Monocular
• 双目相机 （立体相机）stereo
• 深度相机 RGB-D
• 其他全景、Event Camera
• 相机的特点
• 以二维投影形式记录了三维世界的信息
• 该过程丢掉了一个维度：距离

各类相机的区别：

• 单目 ：无深度 深度需要其他手段估计
• 双目： 通过视差法计算深度
• RGB-D :通过物理方法测量设深度

视觉SLAM框架

• 前端 Visual Odometry
• 后端 Optimization
• 回环 Loop Closing
• 建图 Mapping

整体视觉SLAM流程图

视觉里程计

• 估计邻近时刻的相机运动
• 最简化：两个图像的相对运动 方法：
• 特征点法
• 直接法

后端

• 从带有噪声的数据中估计最优轨迹与地图
• 最大后验概率估计
• 滤波器
• 图优化

回环检测

• 检测相机是否到达过之前位置
• 判断与之前位置的差异
• 计算图像间相似性
• 词袋模型

建图

• 导航、规划、通讯、交互、可视化
• 度量地图、拓扑地图 -稀疏地图、稠密地图

视觉SLAM问题数学描述

假设一个相机在运动，整个过程可以离散化成多个时刻，在各个时间点位置，相机位置和速度可以用变量去描述

这里X表示机器人轨迹，Y为地图。