《視覺SLAM十四講》學習筆記之第2講——初識SLAM
阿新 • • 發佈：2019-04-28
編碼器 得到 狀態 src tco 模型 lam mar imu 
圖1 經典視覺SLAM框架
《視覺SLAM十四講》學習筆記之第2講——初識SLAM
經典視覺SLAM框架SLAM問題的數學表述本章主要分為四個部分，分別為：
- 引子：引入一個作者虛擬的機器人——小蘿蔔，並介紹了與SLAM相關的傳感器的相關知識
- 經典視覺SLAM框架：現行通用的視覺SLAM框架
- SLAM問題的數學表述：即建立SLAM問題的抽象數據模型
- 編程基礎：Linux中的相關編程基礎
其中引子與編程基礎沒有什麽好講的，現在這裏主要是總結一下“經典視覺SLAM框架部分”與“SLAM問題的數學表達”這兩節的知識點。
經典視覺SLAM框架
經典的視覺SLAM框架如圖1所示，框架由五部分組成，分別為：傳感器數據、前端、後端、建圖與回環檢測。
圖1 經典視覺SLAM框架
- 傳感器數據：視覺SLAM中的傳感器主要是相機，可以是普通的攝像頭（灰度或彩色的）、三維相機（雙目、rgbd相機）等等，如果是機器人的視覺SLAM，則還可以有慣導模塊（IMU）與編碼器，編碼器主要是安裝在車輪上，用於記錄車輪轉動的圈數，視覺SLAM中將這些傳感器數據進行融合，用於對機器人的狀態進行估計；
- 前端：視覺SLAM中的前端即是指視覺裏程計（Visual Odometry, VO），即用於估計相鄰兩幀圖像之間相機的運動（旋轉與平移），同時估計這兩幀圖像所對應的局部地圖，這部分內容在書中的第7、8講重點講到；
- 後端優化：後端優化即是根據前端的不同時刻的數據，並結合回環檢測來對（相機）軌跡與地圖進行非線性優化，得到全局一致的軌跡與地圖，這部分內容在書中的第10、11講中重點講到；
- 回環檢測：圓環檢測是檢測機器人是否回到以前曾經走過的地方，這主要是用於消除前端（視覺裏程計）的累積誤差，提高軌跡與地圖的全局一致性，這部分內容對應書中的第12講；
- 建圖：即建立SLAM的地圖，SLAM地圖主要分為度量地圖與拓撲地圖，而度量地圖又分為稀疏地圖與稠密地圖。度量地圖是用於準確地表達場景中物體的位置關系，而拓撲地圖更強調元素與元素之間的關系，至於選用何種地圖，則根據實際的需求而決定。這部分內容對應書中的第13講；
SLAM問題的數學表達
SLAM問題類似一個狀態估計問題，可以用正式公式來進行數學建模：
其中為運動方程，為第k時刻機器人的位姿，為第k時刻運動傳感器輸入的數據， 為第k時刻的傳感器噪聲，函數f表示機器人運動狀態的轉移過程，整個運動方程的意義是：根據第k-1時刻的機器人位姿、第k時刻的運動傳感器的輸入數據及第k時刻的噪聲分布，推算出第k時刻機器人的位姿，其中傳感器的輸入數據的指用於測試機器人運動的傳感器的數據，如相機的圖像、輪子編碼器的讀取及IMU的數據等等。
公式為觀測方程，其中為路標坐標，路標即是組成地圖的元素，傳感器每個時刻只能觀測到一部分路標，為觀測噪聲，為路標的觀測數據。整個觀測方程的意義是：機器人在位置處，用帶有噪聲傳感器觀測路標，得到一個觀測結果。
上述兩個方程構成了一個SLAM模型，通過機器人的運動傳感器的數據與觀測路標的傳感器數據,即可同時估計出機器人的位姿（定位）與路標位置（建圖），這也完全符合SLAM的意思：同時定位與建圖。
《視覺SLAM十四講》學習筆記之第2講——初識SLAM