视觉SLAM十四讲 -- 笔记（一）

视觉SLAM十四讲 – 笔记

第2讲：初识SLAM

1. 概述

经典视觉SLAM架构

1. 传感器信息读取。
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又称为前段（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，对他们进行优化，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。如果检测是回环，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。

2. 视觉里程计

视觉里程计（Visual Odometry，VO，又称为前段，Front End）关心相邻图像之间的相机运动，最简单的情况当然是两张图像之间的运动关系。
计算机是如何通过图像确定相机的运动呢？
视觉SLAM中，我们只能看到一个个像素，知道它们是某些空间点在相机的成像平面上投影的结果。所以，为了定量地估计相机运动，必须在了解相机与空间点的几何关系之后进行。
VO 能够通过相邻帧间的图像估计相机运动，并恢复场景的空间结构。叫它为“里程计”是因为它和实际的里程计一样，只计算相邻时刻的运动，而和再往前的过去的信息没有关联。
假定我们已有了一个视觉里程计，估计了两张图像间的相机运动。那么，只要把相邻时刻的运动“串”起来，就构成的机器人的运动轨迹，从而解决了定位问题。另一