0 初步认知
知乎Live：畅谈 SLAM 即时定位建图技术
视觉SLAM漫淡
SLAM：simultaneous localization and mapping 即时定位与地图构建
- SLAM分为视觉SLAM（用视觉信息）、激光SLAM（用激光信息）。区别只在于数据的来源，视觉SLAM用视觉里程计，而后端、回环检测、建图并不在乎数据是从哪来的。其实对于回环检测来说，用视觉中比激光有效，因为视觉信息比激光信息更丰富，判断这两个图像是同一个地方，比判断两个激光数据采自同一地点，要容易。
- 本文专注于视觉SLAM
0.1 SLAM中四个问题
- localization定位、mapping建图、navigation导航、exploration探索
0.2 视觉SLAM的模块
- 传感器：主要分为单目相机、双目相机、RGB-D相机。
-
前端：视觉里程计（与计算机视觉、测量几何相关，分为基于特征点的视觉里程计、基于直接法的视觉里程计），由于用的是计算机视觉的方法，在运动过程中会产生累积误差，最后造成drift漂移，故得到的是粗略的位置和几何估计。
· 基于特征点的视觉里程计：以 (Oriented FAST and Rotated BRIEF) ORB-SLAM为代表。
· 基于直接法的视觉里程计：以 Large-Scale Direct (LSD) 大规模直接法、Semi-Direct Monocular Visual Odometry (SVO) 半直接单目视觉里程计 为代表，由光流法发展而来。 -
后端：非线性优化（现在主流的方法），优化得到更精确的轨迹和地图。
后端在很长一段时间使用以 Kalman Filter (KF) 卡尔曼滤波器 和 Extended Kalman Filter (EKF) 扩展卡尔曼滤波器 为代表的滤波器方法；近年来受到structure from motion 领域的影响，开始大规模使用非线性优化来对轨迹和地图进行进一步的优化。 - 回环检测：词袋模型（主流方法），检测机器人什么时候回到了之前的位置，从而消除累积误差。
-
建图：根据之前得到的相机轨迹和粗略地图来估计更加精确的地图。
下面是各模块中部分重要概念
1 前端 —— Visual Odometry 视觉里程计
1.1 基于特征点（稀疏）
- 计算特征点、特征点匹配、重构。由于只重构特征点，所以是稀疏的。
- 缺点：提取特征点过程中，丢弃了大量的有用信息，对于一张640x480的图像，原本有30万左右的像素，但是我们只用了其中几百个特征点而已；特征缺失问题，即我们无法保证对于每个图，都能提以足够的、有效的特征点，比如一面白墙。
1.2 光流法
- 以LK光流（稀疏）为例：计算关键点（没有描述子），根据这些点的运动计算相机运动
- 缺点：需要灰度不变假设，不是只对于关键点这一个像素，而是比如4*4的区域在两帧之间假设灰度不变；并没有考虑相机的旋转和物体的缩放，也就是说如果相机发生旋转或者物体发生了缩放，就不准了；没考虑相机的参数，仅基于图像去计算，但我倒觉得是好事，这样不需要知道相机参数也是可以做的，但是可能这样利用的信息比较少。
1.3 基于直接法（稠密）
- 直接法跳过了提取特征点的步骤，直接根据像素信息来估计相机的运动。所以是稠密的。
- 缺点：利用了所有信息之后，使得优化问题规模远远大于使用特征点的规模，多需GPU加速才能达到实时；由于图像的非凸性，直接用像素计算极易陷入局部最优，且需要假设同一个点在不同视角下灰度相同（即灰度不变假设，然后解一个最小化光度误差的优化问题），故只有在图像足够相似时（相机运动连续、缓慢时）才有效。
- 根据使用像素的多少，分为稠密的（用所有像素）、半稠密的（用像素梯度比较明显的地方，因为梯度不明显的地方对优化问题贡献并不大）、稀疏的（用关键点，不需要特征描述，只是变化明显的角点、边缘）直接法。其中稀疏的直接法是视觉里程计中最快的方式，一因为稀疏，二因为不需要特征描述。
- 代表方法：早期的DBU，现在的LSD、DSO、SVO。
2 后端 —— 非线性优化
2.1 图优化
用误差：
构造需要优化的目标函数（构造一个最小二乘问题，通过非线性优化来求解，是一种比较通用而且有效的方法）：
然后对这个优化问题求解。
3 Loop Closure Detection 回环检测
回环检测指机器人识别曾到达场景的能力，如果检测成功，可以显著地减小累积误差。多用词袋模型。
3.1 Bag of Words 词袋模型
- 词袋模型用于检测观测数据的相似性。在词袋模型中，我们提取每张图片的特征，将特征向量聚类成不同类别（比如眼睛、鼻子、嘴、耳朵，其实在这里只是一些特定的边缘、角等）。假设有10000类，那么每张图片可以用one-hot的10000维向量表示。通过比较向量，来比较图片。
4 建图
4.1 地图类型
视觉SLAM漫谈 (三): 研究点介绍
经典视觉SLAM框架
大致分为度量地图和拓扑地图：
- Metric Map 度量地图：
- Sparse稀疏型：即路标地图，由路标组成。但对于导航来说只有路标的地图是不够的。
- Dense稠密型：即点云图，按照某分辨率，二维划分为Grid小格子，三维划分为Voxel小方块(体素)，每个小块有 占据、空闲、未知 三种状态。但由于需要存储每个小块的状态，故耗费大量存储空间，且许多细节是无用的；误差易使地图无效。
-
Topological Map 拓扑地图：
是一种更稠密的地图，强调地图元素之间的关系，将地图抽象为图论中的“节点”和“边”，只考虑节点之间的连通性。但不擅长表达具有复杂结构的地图。
网友评论