SLAM Biography I · Problem Formulation and Model Construction
本文及其所属的专栏是笔者阅读学习高翔博士视觉 SLAM 十四讲的产物，看书跑代码总是匆匆而过，写点笔记加深印象。本来的打算是按书的节奏依次为每章做总结，但最后觉得这样效率太低且不够连贯，还是凭自己的思路写下去。观前提示，这一部分偏向理论，不可避免地文字会比较多 0x00 To begin with 这篇文章将会包含以下内容： 什么是 SLAM 问题 SLAM 问题的数学模型 For reference： 视觉 SLAM 十四讲视频课程： 【高翔】视觉SLAM十四讲 视觉 SLAM 十四讲配套代码仓库： gaoxiang12/slambook2: edition 2 of the slambook 个人学习代码仓库： congyuxiaoyoudao/learn-slambook2: Learn Basic Knowledge on Visual SLAM: From Theory to Practice 2nd edition by Xiang Gao 0x01 何为 SLAM？ What is SLAM 认识任何一个事物或者技术总是可以从两个角度出发：它是什么以及它能做什么？ SLAM，全称为 Simultaneous Localization and Mapping，翻译过来就是同步定位与建图。它要求携带传感器的主体（例如运动机器人），在环境信息未知的情况下，通过自身在环境中的运动同步估计运动过程并建立环境的模型。这样来看，SLAM 的核心问题有二： 定位（Localization）：携带传感器的主体需要通过传感器感知环境信息判断自身的状态（位姿）； 建图（Mapping）：主体基于自身连续轨迹上的观测数据，逐步建立环境地图； 此外，这两个问题间还有一个实时性的要求，即 Simultaneous（同步），同步地完成定位与建图，而非先进行信息采集再将数据传送回去做全局的估计和优化（那样耗时和局限就比较大，也就没意义了）。 在 SLAM 问题中，传感器作为运动主体感知环境的唯一途径，承担了从环境中获取观测数据的作用。传感器的不同意味着观测数据不同，也将 SLAM 问题分为不同类别，常见的如以相机为主要传感器的视觉 SLAM（Visual SLAM）和以激光雷达为主要传感器的激光 SLAM（LiDAR SLAM）等。在视觉 SLAM 的背景下，SLAM 问题就变成了从一系列连续图像中估计相机位姿，并基于图像特征等信息构建环境地图的过程。 ...