通俗易懂！视觉slam第一部分——slam简介与相机介绍
首先是定义：
SLAM 是 Simultaneous Localization and Mapping 的缩写，中文译作“同时定位与地图构建”。它是指搭载特定传感器的主体，在没有环境先验信息的情况下，于运动过程中建立环境的模型，同时估计自己的运动 。如果这里的传感器主要为相机，那就称为
“视觉 SLAM”。
这里的相机有很多种：分为单目（Monocular）、双目（Stereo）和深度相机（RGB-D）三个大类
单目相机： 只使用一个摄像头进行 SLAM 的做法称为单目 SLAM（Monocular SLAM）。
照片，本质上是拍照时的场景（Scene），在相机的成像平面上留下的一个投影。它以二维的形式反映了三维的世界。显然，这个过程丢掉了场景的一个维度：也就是所谓的深度（或距离）。在单目相机中，我们无法通过单个图片来计算场景中物体离我们的距离（远近）。平移之后才能计算深度，以及无法确定真实尺度，这两件事情给单目 SLAM 的应用造成了很大的麻烦。它们的本质原因是通过单张图像无法确定深度。所以，为了得到这个深度，人们又开始使用双目和深度相机。
双目相机 (Stereo) 和深度相机 双目相机和深度相机的目的，在于通过某种手段测量物体离我们的距离，克服单目无法知道距离的缺点。如果知道了距离，场景的三维结构就可以通过单个图像恢复出来，也就消除了尺度不确定性。尽管都是为测量距离，但双目相机与深度相机测量深度的原理是不一样的。双目相机由两个单目相机组成，但这两个相机之间的距离（称为基线（Baseline））是已知的。我们通过这个基线来估计每个像素的空间位置——这和人眼非常相似。计算机上的双目相机需要大量的计算才能（不太可靠地）估计每一个像素点的深度，相比于人类真是非常的笨拙。双目相机测量到的深度范围与基线相关。基线距离越大，能够
测量到的就越远，所以无人车上搭载的双目通常会是个很大的家伙。
深度相机（又称 RGB-D 相机，在本书中主要使用 RGB-D 这个名称）是 2010 年左右开始兴起的一种相机，它最大的特点是可以通过红外结构光或 Time-of-Flight（ToF）原理，像激光传感器那样，通过主动向物体发射光并接收返回的光，测出物体离相机的距离。这部分并不像双目那样通过软件计算来解决，而是通过物理的测量手段，所以相比于双目可节省大量的计算量。
经典视觉slam框架
1. 传感器信息读取。在视觉 SLAM 中主要为相机图像信息的读取和预处理。如果在机器人中，还可能有码盘、惯性传感器等信息的读取和同步。
2. 视觉里程计 (Visual Odometry, VO)。视觉里程计任务是估算相邻图像间相机的运动，以及局部地图的样子。VO 又称为前端（Front End）。
3. 后端优化（Optimization）。后端接受不同时刻视觉里程计测量的相机位姿，以及回环检测的信息，对它们进行优化，得到全局一致的轨迹和地图。由于接在 VO 之后，又称为后端（Back End）。
4. 回环检测（Loop Closing）。回环检测判断机器人是否曾经到达过先前的位置。如果检测到回环，它会把信息提供给后端进行处理。
5. 建图（Mapping）。它根据估计的轨迹，建立与任务要求对应的地图。
通俗易懂！视觉slam第一部分——slam简介与相机介绍相关推荐
- SLAM总结（一）- SLAM原理概述与简介
SLAM总结(一)- SLAM原理概述与简介 SLAM(Simultaneous Localization and Mapping):同时定位和建图,定位是定位机体在世界坐标系下的位姿(pose.tr ...
- 一种视觉惯性+激光传感器的SLAM系统
一种视觉惯性+激光传感器的SLAM系统 这篇博客 论文摘要 一些假设和标注 系统总览 VI 里程计 扫描匹配(scan matching)优化 提高系统鲁棒性的措施 闭环检测和临近检测 全局位姿图优化 ...
- SLAM综述(3)-视觉与惯导，视觉与深度学习SLAM
SLAM包含了两个主要的任务:定位与构图,在移动机器人或者自动驾驶中,这是一个十分重要的问题:机器人要精确的移动,就必须要有一个环境的地图,那么要构建环境的地图就需要知道机器人的位置. 本系列文章主要 ...
- SLAM：SLAM之VSLAM的简介
SLAM:SLAM之VSLAM的简介 目录 SLAM VSLAM-传感器为相机 1.传感器数据读取 2.VO-前端视觉里程计
- 视觉SLAM总结——LSD SLAM中关键知识点总结
视觉SLAM总结--LSD SLAM中关键知识点总结 视觉SLAM总结--LSD SLAM中关键知识点总结 1. LSD SLAM的创新点/关键点是什么? 2. LSD SLAM的整体框架是怎样的? ...
- 【开源分享】VIDO-SLAM：一种视觉惯性动态物体SLAM系统
文章:Inertial-Only Optimization for Visual-Inertial Initialization 作者:Carlos Campos, Jose M.M. Montiel ...
- SLAM：SLAM相机简介、SLAM五步流程简介(VO+BEO+LCD+M)之详细攻略
SLAM:SLAM相机简介.SLAM五步流程简介(VO+BEO+LCD+M)之详细攻略 目录 SLAM相机 1.单目相机 2.双目Stereo相机 3.深度相机/RGB-D相机 SLAM五步流程
- （视觉和激光传感器）SLAM 做室内GPS与室外真实GPS在无人机上的对比
1.室外无人机GPS的作用 1)记录实时无人机起飞点与当前飞行无人机的绝对位置关系,显示当面无人机离起飞点的真实距离 2)做室外无人机悬停的功能,使用GPS当前点与悬停点GPS经纬度做对比 3)无人机 ...
- 视觉SLAM笔记（21） 双目相机模型
视觉SLAM笔记(21) 双目相机模型 1. 深度确定 2. 景物差异 3. 成像原理 4. 计算困难 1. 深度确定 针孔相机模型描述了单个相机的成像模型 然而,仅根据一个像素,是无法确定这个空间点 ...
最新文章
- SVN库迁移整理方法总结
- PMCAFF问答精选 | 程序员转型产品经理真的明智吗？
- php closure invoke,PHP Closure类详解
- WebApiClient的JsonPatch局部更新
- 今日笔记！——分析Java应用性能
- Mybatis 原始Dao层开发
- Oracle/PLSQL While Loop
- jsp下拉列表java_java – JSP：下拉列表2取决于下拉列表1
- 2020年第十届C/C++ B组第二场蓝桥杯省赛真题(跑步锻炼)第4道
- matlab进行差分检验,热传导方程几种差分格式的MATLAB数值解法比较
- win7自带截屏便签 打开命令
- 计算的极限（二）：自我指涉与不可判定
- Pytorch3D环境血泪安装史
- Js网络视频播放器之VideoJsckplayer（直播拉流rtmp、hls）
- spyder 清屏操作
- 红包来咯！免费的红包封面快来领取！
- 2022年8月及1-8月国内动力电池企业装车量排名：“宁王”第一，“迪王”猛追
- 在职计算机培训班,计算机科学与技术在职研究生招生院校有哪些?
- Leetcode 1647. Minimum Deletions to Make Character Frequencies Unique [Python]
- 个性化学习之自适应测试[Adaptive Test]