视觉SLAM十四讲---第一、二讲（讲解slam框架， c++编译实践）

同时定位与地图构建：首先是估计自己的运动，然后描述环境这两件事。

困难之处：

数据来源只有图像等

视觉slam14讲有编程内容

书中有相关知识的小例题

一、视觉slam框架分为四个模块

定位和建图的相互耦合，把误差放在一起优化

基于激光的相机的传感器各有优劣
激光比较成熟，相机还不稳定（2016年）
相机便宜，计算资源大，光线充足，环境要有可辨识度。

按照种类来说，视觉slam分为三种：

单目相机，只能通过图像；双目相机和深度相机有距离这个因素。
距离只能通过移动之后来测量（否则不知道距离到底多远，近处物体变化大）；

双目测量通过两个摄像头来产生深度（双眼看到的不一样）；

深度相机通过物理方式，测量一个面，知道每一个点的深度，tof方法和结构光的方法（主动测量，功耗大，适合室内，量程小）。

视觉里程计：通过测量两两帧（或者多帧）之间的关系，估计运动，再把运动叠加起来

因为里程计是把局部的信息累加，因此也会累计局部的误差。因此需要后端优化。

回环检测，如果回到之前的位置，就可以调整里程计的信息，得到全局一致的机构

～因为得到的是特征点地图，因此为了应用，还需要重建。

二、视觉里程计
特征点法和直接发
三、后端有话
在噪声的消息中估计，滤波—>图优化
四、回环检测
以后讲
五、建图
十三讲中

slam可以看做离散时间1.。。k，机器人有不同的位置xk，看做随机变量，满足一定随机分布的。

运动方程：

观测方程
通过路标表示空间的一些东西
如果传感器在xk处探测到路标yj

观测取决于在xk看到的路标数量

六、实践
1、初试c++
git clone代码然后新建.cpp文件

#include <iostream>
using namespace std;