SLAM学习（二）初识SLAM

最新推荐文章于 2022-07-24 18:19:43 发布

原创最新推荐文章于 2022-07-24 18:19:43 发布 · 329 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#SLAM

SLAM学习专栏收录该内容

10 篇文章

订阅专栏

本文介绍了视觉SLAM（Simultaneous Localization and Mapping）的基本概念，包括不同类型的相机及其特性，如单目、双目和深度相机。同时，还详细阐述了经典视觉SLAM框架的各个模块，例如视觉里程计、后端优化、回环检测和建图，并提供了Ubuntu 14.04环境下编程环境的搭建指导。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

视觉SLAM框架的模块及其相应任务

1、我在什么地方？——定位
2、周围环境是什么？——建图

1、单目相机（monocular）
三维空间的投影
平移之后才能计算深度（近大远小，近快远慢）
无法确定真实尺度（尺度不确定性）
2、双目相机（stereo）
计算量比较大
两目之间距离需要较大
3、深度相机（RGB-D）
Kinect、Kinect v2
易受日光干扰，主要用于室内。

经典视觉SLAM框架

1、传感器信息读取。
主要为相机图像信息的读取和预处理
码盘和惯性传感器等信息的读取和同步
2、视觉里程计（visual odometry）,VO
估算相邻图像间相机的运动，以及局部地图的样子，也称为前端，存在累计误差，也就是漂移
3、后端优化（optimization）
接受视觉里程计测量的相机位姿，及回环检测的信息，对他们进行优化，得到全局一致的轨迹和地图，称为后端
4、回环检测（loop closing）
判断机器人是否达到过先前的位置，检测到回环，把信息提供给后端处理，根据图像间的相似性进行判断。
5、建图（mapping）
根据估计的轨迹，建立与任务相对应的地图
度量地图：精确强调物体间的位置关系
拓扑地图：去掉地图的细节
2D栅格地图，2D拓扑地图，3D点云地图，3D网格地图

在视觉SLAM中，前端和计算机视觉研究领域更为相关，比如图像的特征提取与匹配等
后端则主要是滤波与非线性优化算法。

1、运动方程
2、观测方程

搭建编程环境，为开发和实验做准备
1. ubuntu 14.04
2. 虚拟机（4GB以上）或者双系统（启动盘U盘）（推荐）
3. 安装过程中不要选择“安装中下载更新”，并且断开网络连接
4. 安装完成后把软件源设置离得近的服务器上
linux下编译并运行程序，调试
1. 将代码放置家目录（/home）的“slambook_sin”下，称为代码根目录，放置标准程序。再建一个“slambook_cos”目录用于自己编程。
2. vim进入slambook_sin/ch2/helloSLAM.cpp
3. 编译成可执行文件
4. ```
g++ helloSLAM.cpp
```
  如果出错，安装g++
```
sudo apt-get install g++
```
  执行a.out文件
```
./a.out
```
掌握cmake的基本使用方法
1. 用cmake制作工程，再编译
2. 新建CMakeList.txt文件，指定工程名和可执行程序。
3. 在当前目录下，调用cmake对工程进行分析
```
cmake .
```
  再用make命令对工程进行编译
```
make
```
```
./helloSLAM
```
  中间文件
```
mkdir build
cd build
cmake ..
make
```
  使用库
4. ```
add_library(hello libHelloSLAM.cpp)
```
```
cd build
cmake ..
make
```
```
add_library（hello_shared SHARED libHelloSLAM.cpp）
```
  分别得到libhello.a（静态库） libhello_shared.so（共享库）
5. 再编写libhello的头文件
```
add_executable(useHello useHello.cpp)
target_link_libraries(useHello hello_shared)
```
  使用IDE
6. Kdevelop