视觉SLAM十四讲 第1-2讲 初识SLAM

1. slam 是什么

定义：SLAM是Simultaneous Localization And Mapping的缩写，即同时定位与地图构建（我在什么地方？周围环境是怎么样的？）。
​

它是指搭载特定传感器的主题，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。
​

梦想：在计算机视觉创立之初，人们就想象着有朝一日计算机将和人一样，通过眼睛去观察世界，理解周遭的物体，探索未知的领域——这是一个美妙而又浪漫的梦想，吸引了无数的科研人员日夜为之奋斗。
​

应用：在许多地方，我们都希望知道自身的位置。室内的扫地机和移动机器人需要定位，野外的自动驾驶汽车需要定位，空中的无人机需要定位，虚拟现实和增强现实的设备也需要定位。
​

作者的意见：再漂亮的数学理论，如果不能转化为可以运行的代码，就仍是可望不可即的空中阁楼，没有实际意义。
​

2. SLAM基本模块

SLAM主要分为几个模块：

• 视觉里程计 （visual odometry，VO）
• 后端优化
• 建图
• 回环检测

​

因为笔者是工科生，所以要勇敢地承认，某些做法只要经验上够用，没必要非得在数学上追求完备。
​

SLAM分类：​ 激光slam和视觉slam
相机分类： 单目相机monocular，双目相机stereo和深度相机RGB-D
​

3. 相机的种类

单目monocular：单目无法知道物体的深度，也无法知道尺度。所以，单目slam估计的轨迹和地图将于真是的轨迹和地图相差一个因子，也就是所谓的尺度（scale）。由于单目slam无法劲凭图像确定这个真是尺度，所以又称为尺度不确定性。
​

双目stereo：双目相机如人眼可通过图像的差距获取深度，两个相机之间的距离越远（基线），能够测量的物体越远。双目或多目相机的缺点是配置与标定都比较复杂，其深度量程和精度受双目的基线与分辨率首先，而且视差的计算非常消耗计算资源，需要GPU和FPGA的设备加速，才能实时输出每个像素即整张图像的深度信息。因此，在现有条件下，计算量是双目的主要问题之一。
​

深度RGB-D：深度相机不是通过软件计算来解决深度问题，而是通过物理的测量手段，这可以大大节约计算资源。但是目前深度相机有测量范围窄、噪声大、视野小、光照干扰等缺点，在slam方面主要用于室内。
​

4. 视觉slam基本流程

视觉slam流程主要包括以下步骤：

1. 传感器信息读取
2. 前端视觉里程计（visual odometry， vo）。
   视觉里程计的任务是估算相邻图像间相机的运动，以及局部地图的样子。VO又称为前端（front end）。由于视觉里程计存在误差，不免出现累计漂移（accumulating drift），所以需要后端优化和回环检测。
3. 后端（非线性）优化（optimization）
   后端优化要考虑的问题，是如何从有噪声的数据中估计整个系统的状态，以及这个状态的不确定性有多大——这称为最大后验概率估计（maximum-a-posteriori， MAP）。这里的状态既包括机器人自身的轨迹，也包含地图。
   在视觉SLAM中，前端和计算机视觉研究领域更为相关，比如图像的特征提取与匹配等，后端则主要是滤波与非线性优化算法。早期的SLAM问题是一个状态估计问题——正是后端优化要解决的。SLAM问题的本质是：对运动主体自身和周围环境空间不确定性的估计。
4. 回环检测（loop closure detection）
   简单来说就是消除漂移。可以通过环境中的传感器（二维码等），但我们更希望机器人能使用携带的传感器——也就是图像本身，来完成这一任务。比如利用图像的相似性来完成回环检测。
5. 建图（mapping）

​

5. 非/线性系统、非/高斯系统

通过运动和观测方程是否为线性，可分为线性系统和非线性系统。
通过噪声是否为高斯分布，可分为高斯系统和非高斯系统。
​

最简单的线性高斯LG（linear gaussian），可使用卡尔曼滤波器（kalman filter， KF）
复杂的非线性非高斯NLNG，①可使用EKF扩展卡尔曼滤波器->粒子滤波器等；② 非线性优化、图优化。
​

6自由度的位姿（pose），包含了旋转rotation和平移translation
​

6. CMake

执行cmake的过程处理了工程文件之间的关系，而执行make过程实际调用了g++来编译程序。虽然这个过程多了cmake和make的步骤，但我们对项目的编译管理工作，从输入一串g++命令，变成了维护若干个比较直观的CMakeLists.txt文件，这将明显降低维护整个工程的难度。
​

Linux中，库文件分为静态库和共享库两种。静态库以.a作为后缀名，共享库以.so结尾。所有库都是一些函数打包后的集合，差别在于静态库每次被调用都会生成一个副本，而共享库则只有一个副本，更省空间。
​

带有main的源文件可编译成可执行程序。没有main就编译成库，或者一起添加到库执行文件列表里面
​

cmake自带一些编译相关的内部变量，它们可以对编译过程进行更精细的控制。对于编译类型，通常有调用的debug模式与发布用的release模式。在debug模式中，程序运行较慢，但可以进行断电调试，而release模式的运行速度较快，但没有调试信息。