slam入门——十四讲笔记（一）

---

第1讲 预备知识

1. 了解什么是slam，如何使用本书和配套代码；
2. 对高等数学、线性代数、概率论；C++；Linux有基本的了解；
   此处就略过，不细说了。

第1部分 数学基础

第2讲 初识SLAM

2.1 引子：小萝卜的例子

阅读一下即可，略

2.2 经典视觉SLAM框架

整个视觉SLAM流程包括以下步骤：

1. 传感器信息读取。在视觉 SLAM 中主要为相机图像信息的读取和预处理。如果在机 器人中，还可能有码盘、惯性传感器等信息的读取和同步。
2. 视觉里程计 (Visual Odometry, VO)。视觉里程计任务是估算相邻图像间相机的运动， 以及局部地图的样子。VO 又称为前端（Front End）。
3. 后端优化（Optimization）。后端接受不同时刻视觉里程计测量的相机位姿，以及回 环检测的信息，对它们进行优化，得到全局一致的轨迹和地图。由于接在 VO 之后， 又称为后端（Back End）。
4. 回环检测（Loop Closing）。回环检测判断机器人是否曾经到达过先前的位置。如果 检测到回环，它会把信息提供给后端进行处理。
5. 建图（Mapping）。它根据估计的轨迹，建立与任务要求对应的地图。

2.3 SLAM问题的数学表述

1. 什么是运动？我们要考虑从 k − 1 时刻到 k 时刻，小萝卜的位置 x 是如何变化的。
2. 什么是观测？假设小萝卜在 k 时刻，于 xk 处探测到了某一个路标 yj，我们要考虑 这件事情是如何用数学语言来描述的。

先来看运动。
无论是什么传感器，我们都能使用一个通用的、抽象的数学模型：
$${\mathbf{x}}_k=f({\mathbf{x}}_{k-1}$$