人生导航家的博客

SLAM（同步定位与地图构建）是机器人感知环境的核心技术。文章从宏观框架出发，将SLAM归入OODA决策循环的"观察"环节，阐述了视觉、惯性等不同传感器类型的SLAM实现方式。重点解析了SLAM经典框架：传感器读取→前端运动估计→后端优化→建图与回环检测。通过建立运动模型（位姿递推）和观测模型（传感器测量），将SLAM问题转化为最小二乘优化问题，寻求运动预测与观测约束的一致性。最后介绍了EKF-SLAM、GraphSLAM等实现方法，并给出完整的SLAM流程图解。

单目相机初始化依赖于图像间的特征点匹配和三角化，对环境纹理要求较高，在弱纹理环境中，可能难以提取到足够的特征点，导致初始化失败或精度下降。：在相同的场景和图像分辨率下，单目相机初始化通常需要多帧图像来三角化生成地图点，地图点数量相对较少，密度也较低。双目相机利用左右目图像的信息，在一帧图像中就能生成较多的地图点，地图点数量相对较多，密度也更高，能更详细地描述场景结构。：利用双目相机的基线信息以及匹配点的视差，直接计算出三维点的深度信息，将深度信息与图像平面坐标结合，生成稀疏三维点云，从而得到初始地图点。

目录。

第三章的代码主要分为4个部分。