笔记与总结：高翔《视觉SLAM十四讲》第一讲

高博和张老师的这本大作，我看了两遍，回过头来，却没有多深刻的印象。

只是在大脑皮层的表面的表面，泼了一盆水，噢，不，是两盆，然后，可能也因为深圳的炎热天气，所以凉水干的快，水印都没留下多少。所以呢，深刻认识到时常回顾学习的重要性，因此，从头再次梳理知识，也算是做个交代，期望在较短的时间内能把之前泼出去的水，再回收回来一点点。

OK，我想把这本书上我做的所有笔记，在此做个电子版存档吧。哇哦，神圣的工程量，Flag立起来啦。

好吧，开始第一讲的回顾与整理。

首先，第一讲高博几乎没有介绍太多很深的东西，但是他却摆出了这本书要解决的关键问题，即：

• 实时滴，没有先验知识的情况下SLAM
• 不夸张滴，不作弊滴只用相机搞SLAM

对，就是以上两个问题，CV+SImultaneous+Location+Mapping。

有朋友问我，那这样的话，是不是放在机器人，robot就可以随便的跑啊跑跳啊跳了么。波士顿机器人就是这样的么，好简单啊

我想说，当我无知的时候我可能也这样认为的啊，我的小宝贝，但是在我知道了机器人的完全自主移动需要的技术，不仅是SLAM，而且在slam之后还有决策和路径规划的时候，我整个人都清醒了好些，毕竟，我也是成年人了嘛。

这本书的使用

• 数学基础，1-6讲，这是需要夯实的基础内容，考研之后哦还给老师的，从新捡回来吧
  • 三维空间运动，也就是对相机机器人建模，旋转矩阵，四元数，欧拉角这些鬼东西噢
  • 李群李代数，对，就是大学高数没有讲的那部分，就是华罗庚还是哪位先驱一直搞的那些个数论的东西噢
  • 相机模型，在计算机中表示，使用OpenCV
  • 非线性优化的基础内容，包括概率图的东西，比如位姿图呀，因子图呀，啊，还有什么增量模型呀
• 真正的SLAM技术篇，把各个模块做一个梳理
  • 特征点法的视觉里程计呀，ICP算法、PnP、对极几何约束、用来估计相邻图像之间的运动，这是最最重要的一块噢
  • 直接法的OV，光流法和直接法，用g2o方法搞RGBD呀
  • 后端优化的BA算法，Ceres和g2o的使用、稀疏性研究
  • 后端优化的位姿图，因子图，加入关键帧之间的约束关系，atsam的使用
  • 回环检测，BOW词袋模型，字典训练和回环检验
  • 地图构建，单目稠密估计、RGBD的稠密估计，极线搜索和块匹配、点云地图和八叉树地图

哎呦，以上说的这些个都是从高博的那本书上的啦，并不是我再次总结，哈哈。

好啦，第一讲的东西到此结束。