学习笔记---SLAM传感器

---

一、SLAM传感器综述

SLAM传感器分类
可见光类：相机（单目、双目）
不可见光类：激光（2D/3D）、红外、TOF
混合:RGBD
声传感器：超声波 （2D/3D），雷达

二、视觉类传感器（单目、双目、RGBD）

1.基本知识

相机的作用：一种将可见光或者电磁谱捕捉记录为一张图像（通常方便人或者设备读取或者处理）
对于数字图像：表示为通过具有有限数值表示的二维矩阵（单一通道），也叫像素，像素通常表示为一个灰度值、颜色等信息。数字化图像的灰度值是对真实场景的近似

2.成像原理

3.坐标系的转变

1.世界坐标系到相机坐标系

外参：平移T，旋转R

2.帧坐标系到成像平面

4.特征

例如高对比度区域：一般在物体的边缘
点特征、线特征、面特征
一些常用的特征：

三、激光传感器

1.原理和优势

成像原理：从世界坐标系到激光传感器，在从3D点云到车体坐标系
外参：激光传感器与车体几何中心的转化关系

激光的优势：
（1）不受光照、季节的影响，适合全日时运行
（2）检测精度高，有效检测范围可达到70-100m
（3）可以根据对象的材质不同，波长的反射回率也不同
激光的劣势：
（1）价格高昂
（2）容易受到特殊天气影响（雨雪沙尘暴）
（3）无法返回丰富的纹理信息，分辨率低、视野受限

2.应用

激光里程计
高精度离线地图
多目标识别
静态障碍物设备与实时运动规划

3.激光特征与匹配

1.表面法向量

法向量的计算：
（1）曲面重建技术，从获取的点云数据集中得到采样点所对应的曲面，之后从曲面模型中计算表面法线
（2）根据邻近点云数据集近似推断表面法线量（最小乘法/PCA方法）

2.法向量特征

3.点特征直方图

虽然表面法向量可以用于快速计算几何对象的法向量和曲率信息，但是其无法提取更为丰富的特征信息，如果想度量两个姿态点之间的关联度，就需要12量的描述空间

4.旋转图片

目前为止，所有的特征只能计算局部的法向量统计特性，无法提取更为丰富的几何特性，如视觉信息可以提取纹理信息，激光中可以通过旋转图片获得类似的情形

4.激光点云匹配

迭代最近邻匹配（ICP）
给定两组匹配点云

最小化方程，求得最优的旋转平移矩阵

---