Slam框架

对Slam框架的流程做一个基本的了解。

SLAM框架

1. 传感器数据:激光扫描,图像,点云

   • 激光传感器
   • 相机传感器:单目,多目,RGB-D
   • IMU

2. 视觉里程计(VO):特征匹配,直接配准

   提取关键点$\Rightarrow$特征匹配$\Rightarrow$运动估计

3. 后端:滤波器,图优化

   • 局部优化
   • 全局优化

4. 建图:2D,3D地图,轨迹

   • SLAM的主要的输出,不只是指地图(绘图)
   • metric map:含有每个特征点,准确,难扩展
   • topological map:局部信息少,灵活,消耗少
   • 重建,重构
5. 回环检测
   • VO存在误差累积(drift)
   • 认知曾经访问的位置
   • 基于里程计:根据轨迹估计是否原位置,问题是逻辑递归
   • 基于图像外观:图像识别是否相似,
   • 比较模型:Bag-of-Words,一个目标根据特征聚类建立字典,把二维矩阵转换为一维向量,A face=2eyes + 1nose+…..;深度学习分类

6. 总结

   传感器数据$\Rightarrow$VO做关键帧之间的运动估计$\Rightarrow$ 在后端做全局的优化$\Rightarrow$回环检测来使优化更准确稳定$\Rightarrow$通过建图来描述环境

7. 常见的开源解决方案
   • RGBD-SLAM:RGBD
   • ORB-SLAM:单目
   • LSD-SLAM:单目
   • cartographer:激光
8. Libraries:
   • ROS
   • OpenCV
   • PCL
   • g2o
   • ceres