從零開始搭建一套SLAM系統

第一天：整體算法框架簡介以及學習建議

SLAM是什么

• SLAM 和 SFM 是什么關系

  • 不同點：
    • SFM (Structure From Motion)，稱之為傳統三維重建，這是一門計算機視覺學科的分支，特點是把圖片數據集集回來，離線慢慢精細化處理。常見應用就是重建某建筑物的3d地圖，比較炫的成果可以見 rome_paper.pdf (washington.edu) (一天重建羅馬城)。
    • 提起SLAM就要提到ROS。ROS是機器人操作系統，用一堆雜七雜八的傳感器組裝好一套硬件，采集各個傳感器的數據，傳送給ROS的處理節點。SLAM會處理這些數據進行實時建圖與定位，要做到的是低運算量！2107.00822 (arxiv.org)
    • 二者所屬學科不同，應用側重點不同。
  • 相同點：
    • SFM為SLAM提供了強有力的理論支持，二者的數學理論相似。

• SLAM 和 Deep Learning 是什么關系

  • SLAM是和Deep Learning互補的算法。SLAM專注于幾個問題，通過構建周圍世界的3d或2d地圖，并確定robot所在的位置和方向，Deep Learning主要解決感知與識別。
  • 如果想讓機器人走到冰箱而不撞墻，你需要SLAM；如果要識別冰箱內的物體，你需要神經網絡。

SLAM的前端后端

• 首先明確三個問題：

  • SLAM可以使用大量不同的硬件
  • SLAM是一個概念不是算法
  • SLAM包含多個模塊，每個模塊都有多種算法

• SLAM框架可以分為前端和后端。

  • 前端：涉及傳感器的選擇以及傳感器數據處理，比如里程計時間戳和Lidar點云時間戳的對齊等。位姿粗估計。

    • 移動系統：里程計、GPS、IMU慣導等
    • 移動系統中的傳感器可以選擇一種或多種，甚至“沒有”（參考純視覺里程計VO或者純激光里程計LO）。
      • 前端狀態估計
        • IMU積分或輪速DR
        • 對極幾何
        • 點云配準
    <