【SLAM十四讲--第一讲、第二讲】什么是SLAM?
《SLAM十四讲》理论部分专栏
《SLAM十四讲》实践部分专栏
目录
- 一、本文讲些啥
- 二、什么是SLAM
- 三、经典视觉SLAM框架
- 四、SLAM问题的数学描述
一、本文讲些啥
在正式学习SLAM中理论知识之前,我们需要知道什么是SLAM,学习SLAM需要学习哪些最基本的知识,这些知识之间的联系是什么,他们怎么配合完成整个SLAM工作的,看完本文大家将会收获一个立体的理解。(以后的文章中,SLAM代指视觉SLAM)
二、什么是SLAM
一个具有SLAM功能的机器人是怎么样的呢?形象的来说,把这个机器人丢到一个陌生的环境中,机器人就在这个环境中跑呀跑,一边跑一边他能够告诉你:我在哪(定位),我看到的东西是什么(建图)。这样的机器人就是一个具有SLAM功能的机器人啦。
学习的时,我们可以把自己想象成一个啥也不会的机器人,一点一点的增长知识,让自己成为一个优秀的SLAMer!
三、经典视觉SLAM框架
经典的视觉SLAM框架:
很多新的名词?每个环节的功能是什么?每个环节我们要学习的知识重点是什么?且看下图:
原图下载
为了让大家有一个直观的感受,用大白话解释一下SLAM的各环节。
首先用传感器采集图像和运动信息,我们先不考虑运动信息,仅仅考虑图像信息。有了图像之后,在视觉里程计中利用特征点法或者直接法得到拍摄该图像的相机的位姿,同时也获得了对应的特征点的描述。前端是实时的,但是也导致前端的数据误差不断累积,产生较大的误差。
在后端中,对一大批的图像进行优化,调整相机位姿和特征点的描述,得到一个误差相对较小的估计。不可避免的是,误差总是在不断累积的,如果不进行更多的调整,时间长了机器人自然就走丢了。这时就出现了回环检测,当相机经过同一个点的时候,回环检测会发出信号,并给到后端,强制后端对全局进行一个调整,使得整个轨迹闭环起来啦!
地图就在上述过程中一边构建一遍调整啦!
四、SLAM问题的数学描述
上面说的东西都是概念性的,但是想要把上面描述的过程实现了,必然离不开数学了。本系列的第一组公式就要出现啦!不用担心,很简单!
SLAM问题怎么用数学描述呢?两个公式就行了,具体来说,其实视觉SLAM十四讲中更多在关注第二个公式。
结束结束,给自己点个赞吧!
看完文章觉得有用的的话,可以点赞、收藏、关注、订阅专栏嘛,你的肯定是我最大的动力!!!😘🌹
chigga91: 链接失效了 可以更新一下吗
米羔米羔: 沃趣,那篇slam14讲程序依赖环境安装教程知乎那篇是我师兄的博客 太巧了
m0_55858655: 请问博主,glVertex3d(Ow[0],Ow[1],Ow[2]); 这个0,1,2是什么意思
happieme: b. 最大似然估计,下面的例子, x ~ N(x,Σ),这里写错了。 这里应为 x ~ N(μ,Σ)
happieme: 大佬,这手写笔记链接过期了,能给发个无时间限制的么?