综述

SLAM的只言片语

在火车上开始看科普...

Posted by tianchen on September 27, 2019

SLAM - Simultaneous Localization and Mapping

2 Task
- 在完全没有周围的环境先验信息的时候，完成
  1. 获取传感器当前的位置
  2. 建立周围环境的模型

结构框架

Data-IN -- |VO| -- |Backend Optimization| -- |Creating Map|
          |-----|Loop Detection|---------|

组成
- VO(Visual Odometry)视觉里程计，通过相邻帧间的图像来估计相机的运动
  - 可以看做2 Stage-第一步是特征点提取(可以用NN)；然后通过特征点的变化获得xyz，ypr等信息
- Loop Closing 判断自己是否走到了轨迹回环
  - 解决VO可能存在的累积漂移
- Bakend Opt(后端优化) 是一个最大后验估计(从带noise的信息中获取相机真正的位姿变换)
  - 一般使用的是非线性滤波等方法
  - 是一个状态估计问题
  - 常用方法
    - EKF(拓展卡尔曼滤波)
相机模型
- 真实世界坐标系(world coordinate system) GT
- 相机坐标系(camera)
- 图像坐标系(image)
畸变
- 由于摄像头不满足针孔假设
分类
- vSLAM视觉：
  - 硬件成本低
Famous Models
- MonoSLAM
- ORB-SLAM-围绕ORB特征进行计算
  - 利用了多线程
  - CPU负担大，而且提供的稀疏地图难以完成导航
- LSD-SLAM -大尺度的单目SLAM框架
DL in SLAM
- VO的特征点提取用CNN做(非常Elegant)比SIFT等手调(handcrafted)的方法要有显著提升

Refs