1.什么是SLAM
SLAM
SLAM是simultaneous localization and mapping的缩写。同时定位与构建地图。它指搭载特定传感器的主体，在没有环境先验信息的情况下，于运动过程中建立环境的模型，同时估计自己的运动。
slam的目的就是解决定位与地图构建这两个问题。一边要估计传感器自身的位置，一边要建立周围环境的模型。
如果以视觉传感器为中心的slam，成为视觉slam。
2. 视觉SLAM的框架
1.传感器信息读取 在视觉SLAM中主要为相机图像信息的读取和预处理。如果在机器人中，还可能有码盘，惯性传感器等信息的读取和同步。
2.视觉里程计 （visual odometry，VO） 视觉里程计的任务是估算相邻图像间相机运动，以及局部地图的样子。vo又称为前端。
3. 后端优化（optimization）。后端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。由于在VO之后，又称为后端。
4. 回环检测（loop closing）。 回环检测判断机器人是否到达过去先前的位置，如果检测到回环，它会把信息提供给后端进行检测。
5. 建图（mapping）。它根据估计的轨迹，建立与任务要求对应的地图。
2.1 视觉里程计
这是由于视觉里程计（在最简单的情况下）只估计两个图像间的运动造成的。每次估计都带有一定的误差，误差会累计。
2.2 后端优化
后端优化主要是处理slam过程中噪声的问题。任何传感器都有噪声，所以除了要处理“如何重图像中估计出相机运动”，还要关心这个估计带有多大的噪声。
前端给后端提供待优化的数据，以及这些数据的初始值，而后端负责整体的优化过程，它往往面对的只有数据，不必关系这些数据来自哪里。在视觉slam中，前端和计算接视觉研究领域更为相关，比如图像的特征提取与匹配等，后端则主要是滤波和非线性优化算法。
2.3 回环检测
2.4 建图
强调精确地表示地图中物体的位置关系，通常稀疏（sparse）和稠密（dense）进行分类。
拓扑地图（topological map）：
eg：
| 项目 | 地图 | 原因 |
|---|---|---|
| 扫地机器人 | 二维地图 | 平面运动 |
| 相机 | 三维地图 | 6个自由度 |
3. SLAM问题的数学表述
主要分为运动和观测两个模型：
- 运动方程：
x k = f ( x k − 1 , u k , w k ) x_k = f(x_{k-1},u_k,w_k) xk=f(xk−1,uk,wk) - 观测方程：
z k , j = h ( y j , x k , v k , j ) z_{k,j} = h(y_j,x_k,v_{k,j}) zk,j=h(yj,xk,vk,j)
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/214922.html原文链接：https://javaforall.net
