https://congyuxiaoyoudao.github.io/posts/slam-biography/ Recent content in SLAM Biography on The Only Problem's Blog Hugo -- 0.157.0 en-us Thu, 25 Sep 2025 00:00:00 +0000 https://congyuxiaoyoudao.github.io/posts/slam-biography/problem-formulation-and-model-construction/ Thu, 25 Sep 2025 00:00:00 +0000 https://congyuxiaoyoudao.github.io/posts/slam-biography/problem-formulation-and-model-construction/ <blockquote> <p>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</p> </blockquote> <hr> <h2 id="0x00-to-begin-with">0x00 To begin with</h2> <p>这篇文章将会包含以下内容：</p> <ul> <li><input checked="" disabled="" type="checkbox"> 什么是 SLAM 问题</li> <li><input checked="" disabled="" type="checkbox"> SLAM 问题的数学模型</li> </ul> <p><strong>For reference</strong>：</p> <ul> <li>视觉 SLAM 十四讲视频课程： <a href="https://www.bilibili.com/video/BV16t411g7FR">【高翔】视觉SLAM十四讲</a> </li> <li>视觉 SLAM 十四讲配套代码仓库： <a href="https://github.com/gaoxiang12/slambook2">gaoxiang12/slambook2: edition 2 of the slambook</a> </li> <li>个人学习代码仓库： <a href="https://github.com/congyuxiaoyoudao/learn-slambook2">congyuxiaoyoudao/learn-slambook2: Learn Basic Knowledge on Visual SLAM: From Theory to Practice 2nd edition by Xiang Gao</a> </li> </ul> <hr> <h2 id="0x01-何为-slam-what-is-slam">0x01 何为 SLAM？ What is SLAM</h2> <blockquote> <p>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？</p> </blockquote> <p>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：</p> <ul> <li>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）；</li> <li>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；</li> </ul> <p>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）。</p> <p>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。</p>