SLAM

相机

• 以一定的速率采集图像，形成视频

各类相机的区别

• 单目：无深度，需要其他手段估计
• 双目：通过视差计算深度
• RGB-D：通过物理方法测量深度

相机的特点

• 以二维投影的形式记录了三维世界的信息
• 该过程丢掉了一个维度：距离
• 深度即第三维信息，对SLAM来说至关重要

VSLAM框架

• 前端：Visual Odometry 通过传感器数据计算，估计临近时刻的相机运动 方法：特征点法和直接法

• 后端：Optimization 从带有噪声的数据中估计最优轨迹与地图 滤波器，图优化，最大后验概率估计 非线性优化

• 回环：Loop Closing 检测相机是否到达过之间的位置 判断与之前位置的差异 计算图像之间的差异性 词袋模型

• 建图：Mapping 导航，规划，通讯，交互，可视化 类型:度量地图，拓扑地图，稀疏地图，稠密地图

SLAM的数学描述

把连续的时间离散化，避免使用随机场

状态估计模型：

运动方程 $$ X_{K+1}=f(x_k,u_k )+w_k $$ 观测方程 $$ Z_{k,j} = h(X_k,y_j)+W_{k,j} $$