【SLAM论文阅读】1. Cesar Cadena et al. 2016 IEEE TRANSACTIONS ON ROBOTICS

第一篇综述：
Cesar Cadena et al. Past, Present, and Future of Simultaneous Localization and Mapping: Toward the
Robust-Perception Age. 2016 IEEE TRANSACTIONS ON ROBOTICS.

0. 摘要

对SLAM的文献进行了综述。

1. 对SLAM的标准数学描述进行了介绍；
2. 对SLAM相关工作进行了回顾：鲁棒性，可伸缩性，建图的语义表示，理论性能保证，主动SLAM等。
3. 并回答了两个问题：机器人需要SLAM吗？SLAM被解决了吗？

1. 引言

1. SLAM主要任务是进行定位和地图构建。地图的作用：1.路径规划，可视化 2.限定机器人的状态误差（如回环检测）。SLAM的应用场景是其它辅助定位的方式（GPS等）不能使用时。

2. SLAM历史阶段的划分：1.古典时代（滤波器方法，最大概率估计）2.算法分析时代:SLAM的可观察性、收敛性和一致性，求解器的稀疏性（高效求解）。3. 本文认为我们目前正在进入第三阶段：鲁棒感知阶段。

3. 本文主要关注度量和语义SLAM。

4. 问题回答：

   1. 机器人需要SLAM吗？需要。没有回环检测的SLAM实际上就是一个视觉里程计，回环检测能够降低轨迹漂移（没有回环检测的SLAM就退化为里程计）。
      1. VIO目前效果最好，VIO是一个简化的SLAM，无回环检测。
      2. 能够理解环境真实的拓扑，且度量信息能够使定位和回环检测更简单可靠。
         
      3. 需要环境的地图和结构性的地图。
   2. SLAM被解决了吗？ 没有。SLAM是一个综合性的问题，从很多方面来对这一领域的成熟度进行考察：
      1. 机器人：运动类型，传感器，计算资源；
      2. 环境、传感器对：如视觉和激光不同；
      3. 性能的要求：状态和地图的精度，成功率，延迟时间，操作时间，地图尺寸等。
      SLAM仍有不足之处，如快速移动的机器人无法很好建图。

5. 鲁棒感知阶段：
   1.鲁棒：故障保护机制,参数自适应
   2.超越三维重建，高层次理解：语义地图等。
   3.资源意识（我理解是实时的轻量级SLAM）
   4.任务相关的感知（特征点或者不同类型的地图）

6. 文章安排：
   1.SLAM的公式和结构
   2.鲁棒性
   3.伸缩性
   4.环境的几何表示
   5.环境的语义表示
   6.SLAM的理论成果
   7.主动SLAM
   8.最近趋势
   CV，计算机集合，控制理论交叉

引言3s：SLAM的任务是定位和建图，在其他辅助手段不能用时可以用SLAM，回环检测能减少轨迹漂移，降低误差。机器人需要SLAM，且SLAM仍未被解决。

2. 现代SLAM系统拆解

1. 最大后验估计和后端

SLAM的数学模型就是运动方程和观测方程，主要是对轨迹X进行估计，进行最大后验估计，当没先验的时候，就成MLE

当观测独立时可以转化

还可以表示成因子图：

因子图的优点：
1.因子图能够可视化
2.能进行复杂的推理
3.能够影响SLAM问题的稀疏性

最大化后验概率转化为最小化最小二乘误差（14讲P123）