第二讲 初识SLAM

ch02 初识SLAM

经典视觉SLAM框架

视觉SLAM流程包括以下步骤:

传感器信息读取: 在视觉SLAM中主要为相机图像信息的读取和预处理.如果是在机器人中,还可能有码盘、惯性传感器等信息的读取和同步.

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).

视觉里程计不可避免地会出现累积漂移(Accumulating Drift)问题.

后端优化 (Optimization): 后端接受不同时刻视觉里程计测量的相机位姿,以及回环检测的信息,从带有噪声的数据中，对它们进行优化,得到全局一致的轨迹和地图.由于接在VO之后,又称为后端(Back End).

前期以EKF为代表，现在以图优化为代表。

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.

回环检测 (Loop Closing): 回环检测判断机器人是否到达过先前的位置.如果检测到回环,它会把信息提供给后端进行处理.

建图 (Mapping): 它根据估计的轨迹,建立与任务要求对应的地图.

地图的形式包括度量地图(精确表示地图物体的位置关系)与拓扑地图(更强调地图元素之间的关
系)两种.还有稀疏地图和稠密地图。

SLAM问题的数学表述

“小萝卜携带着传感器在环境中运动”,由如下两件事情描述:

什么是运动 ?我们要考虑从k − 1 k-1k−1时刻到k kk时刻,小萝卜的位置x xx是如何变化的.

运动方程:

什么是观测 ?假设小萝卜在k kk时刻于x_k 处探测到了某一个路标y_j ,我们要考虑这件事情是如何用数学语言来描述的.

观测方程:

这两个方程描述了最基本的SLAM问题:当知道运动测量的读数u ,以及传感器的读数z时,如何求解定位问题(估计x )和建图问题(估计y)?这时,我们就把SLAM问题建模成了一个状态估计问题:如何通过带有噪声的测量数据,估计内部的、隐藏着的状态变量?

《视觉SLAM十四讲》笔记摘抄_ncepu_Chen的博客-CSDN博客