《视觉SLAM十四讲》学习系列(1)—经典视觉SLAM框架
本文主要内容来自《视觉SLAM十四讲》第二讲-初识SLAM。
经典视觉SLAM流程包括:
1、传感器信息提取。主要是相机图像相关信息。
2、视觉里程计(Visual Odometry,VO),又称为前端。估算相邻图像间相机的运动及输出局部地图,为后端优化提供“初值”。
3、后端优化(Optimization)。后端接受前端测量的相机位姿和回环检测的信息,得到全局一致的轨迹和地图。
4、回环检测(Loop Closing)。回环检测判断机器人是否到达过先前的位置。若检测到回环,将信息提供给后端进行处理。
5、建图(Mapping)。根据估计的轨迹,建立与任务要求的地图。
视觉里程计
人眼可以轻松估算出图像是否移动(反过来想就是相机运动),但是不精确。要完成建图及定位任务,我们对视觉前端的要求是定量的估计相机运动。
书中介绍的方法为,视觉里程计通过相邻帧间的图像估计相机运动,并恢复场景的空间结构,但只计算相邻时刻的运动,不关心再往前的信息。(和马尔科夫状态过程类似?)但前端过程中必然存在误差,误差会不断累积,形成累积漂移。为消除漂移,我们需要回环检测和后端优化。
后端优化
前端所传数据中存