视觉SLAM_1_初识SLAM

前言：

博客中会有大部分的内容和高翔博士的《视觉SLAM十四讲》相同，实际上就是从那上面摘抄的。正在学习《视觉SLAM十四讲》，博客内容作为学习笔记，请勿转载。

1、SLAM是干嘛的？

从高翔博士的小萝卜的例子，可以很来的体会SLAM到底是干嘛用的。下面来做一个简单的介绍。

假设我们组装了一台叫做“小萝卜”的机器人，大概的样子如下图所示：

既然是机器人，我们当然希望它有自主运动能力。为了能够自主的进行运动，它至少需要知道两件事情：（1）定位 --- 知道自己在哪儿；（2）建图 --- 知道周围的环境是什么样。

为了实现小萝卜的自主运动，需要在上面搭载一些传感器。可以将这些传感器分为两类：（1）安装在外界环境中的传感器，比如说可以安装运动导轨，让小萝卜沿着导轨运动，从而实现自主运动。但是这样有个问题：限制了小萝卜的运动范围。（2）将传感器搭载在机器人本体上。显然第二种方法可以更好的适应位置环境。特别地，在讨论视觉SLAM的时候，我们主要是指如何使用相机解决定位和建图问题。

2、经典视觉SLAM框架

经典的视觉SLAM框架如下图所示，从中可以看到SLAM究竟是由哪儿几个模块组成的。

整个视觉视觉SLAM包括以下步骤：

1、传感器数据读取

在视觉SLAM中主要为相机图像的读取和预处理。

2、视觉里程计(Visual Odometry)

视觉里程计的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又称之为前端Front End）。

视觉里程计关心的是 相邻图像 之间的相机运动，最简单的情况当然是两张图像之间的运动关系。现在只需要对VO有个感性的认识即可。我们知道，VO能够通过相邻帧间的图像估计相机的运动，并恢复场景的空间结构。称它为“里程计”是因为它和实际的里程计一样，只计算相邻时刻的运动，而和再往前的信息没有关联。

现在，假设我们已经做好了视觉里程计，并且通过它可以估计两张图像间的相机运动。（1）只要把相邻时刻的运动“串”起来，就构成了机器人的运动轨迹，这样就解决了定位问题；（2）我们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。这样来看，有了VO，就解决了定位和建图这两个问题，那么是不是有了VO就解决了SLAM问题呢？答案是否定的。

仅仅通过视觉里程计来估计轨迹，将会不可避免的出现累计漂移（Accumulating Drift）。累计漂移是由于视觉里程计（在最简单的情况下）只估计两个图像间的运动造成的。我们知道每次估计都会带有一定的误差，而由于里程计的工作方式，先前时刻的误差将会传递到下一时刻，导致经过一段时间之后，误差累计到一起，估计的轨迹就不再准确了。

为了解决累计漂移问题，我们还需要两种技术：后端优化和回环检测。回环检测负责把“机器人回到原始位置”的事情检测出来，而后端优化则根据该信息，校正整个轨迹的形状。

3、后端优化

笼统的说，后端优化主要指处理SLAM过程中噪声的问题。

后端优化要考虑的问题，就是如何从这些带有噪声的数据中估计整个系统的状态，以及这个状态估计的不确定性有多大---这称为最大后验概率估计。这里的状态包括机器人自身的轨迹，也包含地图。

在SLAM框架中，前端向后端提供待优化的数据，以及这些数据的初始值。而后端负责整体的优化过程，它往往面对的只有数据，不必关心这些数据到底分别来自什么传感器。在视觉SLAM中，前端和计算机视觉研究领域更为相关，比如图像的特征提取与匹配等，后端则主要是滤波与非线性优化算法。

4、回环检测

回环检测，也称为闭环检测，主要解决位置估计随时间漂移的问题。

怎么解决呢？

假设实际情况下机器人经过一段时间的运动后回到了原点，但是由于漂移，它的位置估计值却没有回到原点。

我们可以这样想：如果有某种手段，让机器人知道“回到了原点”这件事情，或者把“原点”识别出来，然后再把位置估计值“拉”过去，就可以消除漂移了。这就是所谓的回环检测。

为了实现回环检测，我们需要让机器人具有识别到过的场景的能力。这同样有两种思路：（1）在机器人下方设置一个标志物（比如一张二维码），它只要看到了这个标志，就知道自己回到了原点。弊端：标志物是安装在外界环境中的传感器，对应用环境做了限制（万一不允许在环境中设置标志，那机器人就成了瞎子了）；（2）使用机器人本体携带的传感器 --- 相机来完成这一任务。例如：我们可以通过判断相机拍摄的图像间的相似性来完成回环检测，这一点和人相似。

在检测到回环之后，我们会把“A和B是同一个点”这样的信息告诉后端优化算法。然后，后端根据这些新的信息，把轨迹和地图调整到符合回环检测结果的样子。这样，如果我们有充分而且正确的回环检测算法，就可以消除累计误差，得到全局一致的轨迹和地图了。