SLAM入门基础知识介绍

Simultaneous localization and mapping（及时定位与地图构建）简称SLAM，主要用于解决机器人在未知环境运动时的定位与地图构建问题，近期在学习SLAM相关的理论，为了更进一步的了解 SLAM ，将SLAM相关的基础知识进行一些总结，以下将从SLAM的应用领域、SLAM框架方面来进行全面阐述：

一、SLAM的典型应用领域

机器人定位导航领域： SLAM 可以辅助机器人执行路径规划、自主探索、导航等任务。例如：让扫地机器人高效绘制室内地图，智能分析和规划扫地环境。
VR/AR方面： 辅助增强视觉效果。SLAM技术能够构建视觉效果更为真实的地图，从而针对当前视角结合GPU进行渲染虚拟物体的叠加效果，使之更真实没有违和感。
无人机领域： SLAM可以快速构建局部3D地图，并与GIS（地理信息系统）、视觉对象识别技术（OCR）相结合，可以辅助无人机识别路障并自动避障规划路径。
无人驾驶领域： SLAM技术可以提供视觉里程计功能，并结合GNSS（全球定位导航系统）等其他定位方式相融合，从而满足无人驾驶精准定位的需求。例如：应用了基于激光雷达技术Google无人驾驶车以及牛津大学MobileRoboticsGroup11年改装的无人驾驶汽车野猫(Wildcat)均已成功路测。
二、SLAM框架
SLAM系统框架如图所示，一般分为五个模块，包括传感器数据、视觉里程计、后端、建图及回环检测。

传感器数据：主要用于采集实际环境中的各类型原始数据。包括激光扫描数据、视频图像数据、点云数据等。
视觉里程计：主要用于不同时刻间移动目标相对位置的估算。包括特征匹配、直接配准等算法的应用。
后端：主要用于优化视觉里程计带来的累计误差。包括滤波器、图像优化等算法应用。
建图：用于三维高精度地图构建。
回环检测：主要用于空间累积误差消除其工作流程大致为：
传感器读取数据后，视觉里程计估计两个时刻的相对运动（Ego-motion），后端处理视觉里程计估计结果的累积误差，建图则根据前端与后端得到的运动轨迹来建立地图，回环检测考虑了同一场景不同时刻的图像，提供了空间上约束来消除累积误差。

最后，分享一点资源希望对你们有帮助，高翔教授的视觉SLAM十四讲 PDF完整高清版

资源在云盘链接中，密码：4o50
有需要的自取，链接如果失效请及时与我联系！
云盘链接