视觉SLAM十四讲——第二讲初识SLAM

@《视觉SLAM十四讲》知识点与习题

《视觉SLAM十四讲》第二讲知识点整理+习题

正在学习SLAM相关知识，将一些关键点及时记录下来。

知识点整理

本讲主要是介绍了SLAM，主要是视觉SLAM方面的基础知识，对一些术语进行了大体的解释，并且将整本书的内容的逻辑梳理了一遍，手把手上手视觉SLAM。
SLAM问题的本质：对运动主体自身和周围环境空间不确定性的估计

1. 定位 ，“我在什么地方”，即自身状态
2. 建图 ，“周围环境是怎么样”
3. 传感器，分为携带于机器人本体和安装于环境中两种情况。但是后者约束了外部环境，前者只能通过测量到的间接物理量来计算位置数据。后者更适用于未知环境
4. 相机，单目相机、双目相机、深度相机三大类。以一定速率拍摄周围的环境，形成一个连续的视频流。
   • 单目相机：结构特别简单，成本特别低，单目SLAM非常受研究者关注。
     但是在投影的过程中，丢失了深度信息，然而这个距离（物体与相机）很关键。因此，从单目SLAM中恢复三维结构，需要改变相机的视角，即移动相机来估计相机的运动，才能计算深度。
     在相机移动过程中，不同远近的物体在图像上的运动会形成视差，有助于定量的判断
     单目SLAM估记得轨迹和地图将与实际的轨迹和地图相差一个因子，即所谓的尺度scale。由于单目SLAM无法仅凭图像得到这个真实尺度，所以又称为尺度不确定性
   • 双目相机和深度相机：测量物体与我们之间的距离，消除尺度不确定性。
     双目相机：通过基线（两个相机之间的距离）来估计每个像素的空间位置。双目相机需要大量的计算才能估计每一个像素点的深度。测量的深度范围与基线相关。后者越大，测量到的就越远。
     但是，双目相机的配置与标定均较为复杂，深度量程和精度受双目的基线与分辨率所限，且视差的计算非常消耗计算资源。室内室外均可
     深度相机：通过物理测量手段，通过红外或TOF来获得距离，相较于双目相机节省了大量的计算。
     但是，深度相机存在测量范围窄、噪声大、视野小、易受日光干扰、无法测量透射材质等诸多问题，主要用于室内。
5. 经典视觉SLAM框架，传感器信息读取、视觉里程计（VO）、后端优化（Optimization）、回环检测（Loop Closing）、建图（Mapping）。

6. 如果把工作环境限制在静态、刚体，光照变化不明显、没有人为干扰的场景，那么这个SLAM系统是相当成熟的了。
   • 传感器信息读取：视觉SLAM：相机图像信息的读取和预处理。在机器人中，还有码盘、惯性传感器等信息的读取和同步
   • VO： 估计相邻图像间相机的运动，以及局部地图的样子。VO只计算相邻时刻的运动，而和再往前的过去的信息没有关联。将相邻时刻的运动”串“起来，就构成了运动轨迹，就进行了定位。且根据每个时刻的相机位置，计算出各像素对应的空间点的位置，就得到了地图。
     但是，会出现累计漂移。即误差会逐帧累加。
   • Optimization： 接受不同时刻VO测量的相机位姿，以及Loop Closing的信息，对他们进行优化，得到全局一致的轨迹和地图，对整个轨迹的形状进行校正。
     主要处理噪声的问题。需从带噪声的数据中估计整个系统的状态，以及这个状态（轨迹、地图）估计的不确定性。将不确定性表达出来以后，采用filtering或非线性优化，估计状态的均值和不确定性（方差）
   • Loop Closing: 判断机器人是否到达过先前的为止。若检测到回环，将信息提供给Optimization进行处理。实质是一种计算图像数据相似性的算法
   • Mapping： 根据估记的轨迹，建立于任务要求对应的地图。根据需求，对环境进行描述。
     度量地图：精确地表示地图中物体的位置关系，用稀疏与稠密对齐分类。稀疏：选择具有代表意义的东西——路标，适用于定位。 稠密：建模所有看到的东西，适用于导航。但是稠密地图存储空间大，且大多数时候很多细节部分是无用的。
     拓扑地图：强调地图元素之间的关系。由节点和边组成，只考虑节点之间的连通性。但是不擅长表达具有复杂结构的地图。如何对地图进行分割形成节点与边，又如何使用拓扑地图进行导航进行路径规划，仍是有待研究的问题
7. 观测：在k时刻于xk处探测到了某一个路标yj，产生了一个观测数据zk,j。
   运动：从k-1时刻到k时刻，位置x的变化。需要测量自身运动的传感器。
   当知道运动测量的读数u，以及传感器的读数z，如何求解定位问题（估计x）和建图问题（估计y）。因此，SLAM问题转换成为了一个状态估计问题
8. 状态估计问题：根据噪声是否服从高斯分布进行分类，分为线性/非线性和高斯/非高斯系统。
   • 线性高斯系统的无偏的最优估计可以又卡尔曼滤波器KF给出
   • 复杂的非线性非高斯系统，使用以扩展卡尔曼滤波器和非线性优化两大类方法求解
   • 最早的实时视觉SLAM系统是基于EKF开发的，但是EKF的缺陷是线性化误差和噪声高斯分布假设。
   • 目前，主流视觉SLAM使用以图优化为代表的优化技术进行状态估计

习题

• 阅读文献1, 2。心得会在另一个博客中记录
• 阅读综述3,4,5,6,7
• g++命令参数
  g++ Test.cpp：功能：生成默认为a.exe的文件，这个过程包含了编译和链接
  g++ -o Test.exe Test.cpp。-o命令是输出的意思，这样就输出了Test.exe。使用-o可以指定目标名称 8
• 注意需要首先使用+按钮添加添加二进制文件，修改名字，且将环境选择为default。Debug界面里保持默认配置即可。接下来设置断点，点击Default按钮。会看到界面有些许的变化，上方出现Stop All和Stop按钮。在左侧打开Variables一栏，即可以查看变量的值。

• 如果将CMakeLists.txt中的target_link_libraries(useHello hello_shared)注释掉，在Build时会报错，提示”Linking CXX executable useHello … recipe for target ‘useHello’ failed … undefined reference to ‘printHello()’"这句话就表示，此时虽然将库文件包含进去了，但是没有给头文件，无法知道该如何去调用该库文件中的函数，从而无法知道printHello()函数应该如何使用
• 看《cmake实践》。把一些用到的点，书上没有解释的整理如下
  cmake . ：命令后面的点号，代表本目录
  中间文件有：CMakefiles, CMakeCache.txt, cmake_install.cmake等文件，以及Makefile
  CMakeLists.txt: cmake的构建定义文件，文件名大小写相关
  若工程中有多个目录，需每个目录均存在CMakeLists.txt
  PROJECT指令定义工程名称，同时也隐式的定义了两个cmake变量，projectName_BINARY_DIR和projectName_SOURCE_DIR
  SET指令可以显式的定义变量