高翔博士 《视觉SLAM十四讲》学习笔记 （1） 写在前面

本书的内容

SLAM 是 Simultaneous Localization and Mapping 的缩写,中文译作“同时定位与地图构建”[1]。它是指搭载特定传感器的主体,在没有环境先验信息的情况下,于运动过程中建立环境的模型,同时估计自己的运动 [2]。如果这里的传感器主要为相机,那就称为“视觉SLAM”。

1.SLAM的主要作用是解决Localization 和 Mapping的问题 同时可以完成Navegation

（1）可以实时的完成在没有先验知识的情况下就的SLAM,入门的门槛有点高，首先需要大量先验知识的学习，包括概率论、线性代数、矩阵分析、李群李代数、计算机视觉中的多视图几何，状态估计等系列的理论。

（2）需要一定的编程能力，c/c++、python等，总而言之引用沈劭劼教授的标准，变成牛、数学牛

2.SLAM的应用领域有哪些

• 室内扫地机
• 室内服务机器人
• 自动驾驶
• 空中的无人机
• 虚拟现实
• 增强现实
• ........

SLAM 相关的书籍主要有《概率机器人》(Probabilistic robotics)[5]、《计算机视觉中的多视图几何》(Multiple View Geometry in Computer Vision)[3]、《机器人学中的状态估计》(State Estimation for Robotics: A Matrix-Lie-Group Approach)[6] 等。它们内容丰富、论述全面、推导严谨,在 SLAM 研究者中间是脍灸人口的经典教材。

SLAM 系统分成几个模块:视觉里程计、后端优化、建图以及回环检测。一点点实现这些模块中的核心部分,探讨它们在什么情况下有效,什么情况下会出问题,如何在自己的机器上运行这些代码。会接触到一些必要的数学理论和许多编程知识,会用到 Eigen、OpenCV、PCL、g2o、Ceres 等库