深蓝学院：视觉SLAM学习记录1

最近在看深蓝学院上高翔博士的视觉SLAM课程，做点笔记总结一下学习过程，以方便之后的回顾。

1.预备知识

教材：《视觉slam十四讲》

参考书：

• multiple view geometry （细节较多，不适合初学者）
• state estimation for robotics （状态估计，内容深刻，公式较多）

只有亲自实现了算法，才能谈是否理解

计算机视觉的任务：

• 物体识别
• 物体检测
• 物体跟踪
• 语义分割
• …

SLAM是什么？

SLAM，即simultaneous location and mapping，中文为同时定位和地图构建，解决机器人“我在什么地方”、“周围是什么样子”、“我该怎么去另一个地方”这三个问题。

传感器

传感器是机器人认识世界的重要器官，依照传感器是外质还是内质，可以分为：

• 内质：IMU（惯性测量单元），LASER，Camera
• 外质：marker（二维码）、GPS(用于室外)、导轨

视觉slam主要使用camera作为机器人的传感器，它以一定的速率采集图像，形成视频，具有便宜、轻便和信息丰富的优点。但是有可能会丢失深度信息。
Camera可以分为单目（monocular,无深度信息）、双目（stereo，通过视差计算深度信息）和RGB-D(物理方法测量深度信息）。

视觉SLAM框架：

• 前端：visual odometry
• 后端：optimization
• 回环： loop closing
• 建图：mapping

记机器人在各时刻的状态为x₁,…,x_k,其中k是离散时间下标。在SLAM中，我们要估计机器人的位置，那么系统的状态就指的是机器人的位姿。用两个方程来描述状态估计问题：

x_k=f (x_k-1,u_k,w_k )

y_k=g (x_k,n_k)

f ；运动方程
g：观测方程
w：输入噪声
u：输入指令
y：测量模型，观测数据
n：观测噪声

运动方程描述了从状态X_k-1如何运动到X_K的，而观测方程描述了从X_k如何得到观察数据y_k的