[学习笔记-SLAM篇]视觉SLAM十四讲ch1-2

反向学习，最基础的才想起来学。
主学习思路整理，不利于作为大家的学习资料，有什么问题可以交流讨论。

注：
1）学习视频：【高翔】视觉SLAM十四讲；
2）视频不同步问题参见评论区。

第1讲

其实这一讲没什么干货，就是一些简单介绍。

• SLAM是一种估计自身运动并建立环境模型的技术；
• 参考文献介绍了几个，其中重量级《Multiple View Geometry in Computer Vision》；
• 代码链接：https://github.com/gaoxiang12/slambook2。

第2讲

2.1 理论部分

这一章是数学基础，理论部分有3个要点。

1）传感器对比

• 作为一种自主传感器，视觉传感器并不依赖于外部环境，可提供间接物理量；
• 与激光相比，视觉工作条件受限：光线足、无遮挡、有环境纹理；
• 相机主要分单目、双目、RGBD三类。其中，单目无法提供尺度信息，也无法计算深度（通过移动物体可以得知其相对远近）；双目和RGBD均可提供深度与尺度信息，对于深度的确定，双目采用数学方法计算（视差），RGBD采用物理方法测量（TOF、结构光）。

2）SLAM框架

图片来源：经典视觉SLAM框架

• 视觉里程计主要用于运动估计，计算相邻时刻（图像）的运动，存在累积漂移，一般分特征点法和直接法；
• 后端优化主要状态优化，用于处理噪声，一般分EKF、图优化等；
• 回环检测主要解决位置估计的漂移问题，一般用词袋模型。

3）数学表述

SLAM最关键的2个问题就是定位与建图，相对应的，在数学表述中的2个关键点就是运动方程与观测方程的构建。

• 运动方程，$x_k=f(x_{k-1},u_k,w_k)$ ，描述k时刻位置量；
• 观测方程，$z_{k,j}=h(y_j,x_k,v_{k,j})$ ，描述机器人在$x_k$位置看到路标点$y_j$时，产生的观测数据$z_{k,j}$，在某时刻看到的路标点数量不同，观测方程数量也不同。

2.2 实践部分

待续ing······