SLAM 学习

Simultaneous localization and mapping(同时定位于建图)

分为:激光雷达视觉传感器两个方向。视觉传感SLAM包括单目SLAM双目SLAM以kinect为代表的景深摄像头的RGBDSLAM。主要包含三个任务:定位、建模、运动规划


框架:

SLAM 学习_第1张图片


视觉里程计算:利用一个图像序列或者一个视频流,计算摄像机的方向和位置的过程。一般包括图像获取后、畸变校正、特征检测匹配或者直接匹配对应像素、通过对极几何原理估计相机的旋转矩阵和平移向量。

后端优化:一般采用捆集调整(BA)、卡尔曼滤波(EKF)、图优化等方式来解决。其中基于图优化的后端优化,效果最好。Graph-based SLAM一般使用g2o求解器,进行图优化计算。

闭环检测:但当运动回到某一个之前去过的地方,如果我们能认出这个地方,并找到那个时候的关键帧进行比较,我们就可以得到比单用后端优化更准确更高效的结果。

你可能感兴趣的:(机器学习,深度学习)