关键词：
视觉SLAM十四讲 第1-2讲 初识SLAM
1. slam 是什么
定义：SLAM是Simultaneous Localization And Mapping的缩写，即同时定位与地图构建（我在什么地方？周围环境是怎么样的？）。
它是指搭载特定传感器的主题，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。
梦想：在计算机视觉创立之初，人们就想象着有朝一日计算机将和人一样，通过眼睛去观察世界，理解周遭的物体，探索未知的领域——这是一个美妙而又浪漫的梦想，吸引了无数的科研人员日夜为之奋斗。
应用：在许多地方，我们都希望知道自身的位置。室内的扫地机和移动机器人需要定位，野外的自动驾驶汽车需要定位，空中的无人机需要定位，虚拟现实和增强现实的设备也需要定位。
作者的意见：再漂亮的数学理论，如果不能转化为可以运行的代码，就仍是可望不可即的空中阁楼，没有实际意义。
2. SLAM基本模块
SLAM主要分为几个模块：
- 视觉里程计 （visual odometry，VO）
- 后端优化
- 建图
- 回环检测
因为笔者是工科生，所以要勇敢地承认，某些做法只要经验上够用，没必要非得在数学上追求完备。
SLAM分类： 激光slam和视觉slam
相机分类： 单目相机monocular，双目相机stereo和深度相机RGB-D
3. 相机的种类
单目monocular：单目无法知道物体的深度，也无法知道尺度。所以，单目slam估计的轨迹和地图将于真是的轨迹和地图相差一个因子，也就是所谓的尺度（scale）。由于单目slam无法劲凭图像确定这个真是尺度，所以又称为尺度不确定性。
双目stereo：双目相机如人眼可通过图像的差距获取深度，两个相机之间的距离越远（基线），能够测量的物体越远。双目或多目相机的缺点是配置与标定都比较复杂，其深度量程和精度受双目的基线与分辨率首先，而且视差的计算非常消耗计算资源，需要GPU和FPGA的设备加速，才能实时输出每个像素即整张图像的深度信息。因此，在现有条件下，计算量是双目的主要问题之一。
深度RGB-D：深度相机不是通过软件计算来解决深度问题，而是通过物理的测量手段，这可以大大节约计算资源。但是目前深度相机有测量范围窄、噪声大、视野小、光照干扰等缺点，在slam方面主要用于室内。
4. 视觉slam基本流程
视觉slam流程主要包括以下步骤：
- 传感器信息读取
- 前端视觉里程计（
visual odometry， vo）。
视觉里程计的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）。由于视觉里程计存在误差，不免出现累计漂移（accumulating drift），所以需要后端优化和回环检测。 - 后端（非线性）优化（
optimization）
后端优化要考虑的问题，是如何从有噪声的数据中估计整个系统的状态，以及这个状态的不确定性有多大——这称为最大后验概率估计（maximum-a-posteriori， MAP）。这里的状态既包括机器人自身的轨迹，也包含地图。
在视觉SLAM中，前端和计算机视觉研究领域更为相关，比如图像的特征提取与匹配等，后端则主要是滤波与非线性优化算法。早期的SLAM问题是一个状态估计问题——正是后端优化要解决的。SLAM问题的本质是：对运动主体自身和周围环境空间不确定性的估计。 - 回环检测（
loop closure detection）
简单来说就是消除漂移。可以通过环境中的传感器（二维码等），但我们更希望机器人能使用携带的传感器——也就是图像本身，来完成这一任务。比如利用图像的相似性来完成回环检测。 - 建图（
mapping）
5. 非/线性系统、非/高斯系统
通过运动和观测方程是否为线性，可分为线性系统和非线性系统。
通过噪声是否为高斯分布，可分为高斯系统和非高斯系统。
最简单的线性高斯LG（linear gaussian），可使用卡尔曼滤波器（kalman filter， KF）
复杂的非线性非高斯NLNG，①可使用EKF扩展卡尔曼滤波器->粒子滤波器等；② 非线性优化、图优化。
6自由度的位姿（pose），包含了旋转rotation和平移translation
6. CMake
执行cmake的过程处理了工程文件之间的关系，而执行make过程实际调用了g++来编译程序。虽然这个过程多了cmake和make的步骤，但我们对项目的编译管理工作，从输入一串g++命令，变成了维护若干个比较直观的CMakeLists.txt文件，这将明显降低维护整个工程的难度。
Linux中，库文件分为静态库和共享库两种。静态库以.a作为后缀名，共享库以.so结尾。所有库都是一些函数打包后的集合，差别在于静态库每次被调用都会生成一个副本，而共享库则只有一个副本，更省空间。
带有main的源文件可编译成可执行程序。没有main就编译成库，或者一起添加到库执行文件列表里面
cmake自带一些编译相关的内部变量，它们可以对编译过程进行更精细的控制。对于编译类型，通常有调用的debug模式与发布用的release模式。在debug模式中，程序运行较慢，但可以进行断电调试，而release模式的运行速度较快，但没有调试信息。
浅读《视觉slam十四讲：从理论到实践》--操作1--初识slam
下载《视觉SLAM十四讲：从理论到实践》源码：https://github.com/gaoxiang12/slambook第二讲：初识SLAM2.4.2HelloSLAM（书本P27） 1、从github上下载源码，并解压Ubuntu上，解压zip，先找到zip文件所在位置，然后运行下面代码，进行解压。unzip... 查看详情
视觉slam十四讲第七章课后习题6(代码片段)
版权声明：本文为博主原创文章，转载请注明出处: http://www.cnblogs.com/newneul/p/8545450.html6、在PnP优化中，将第一个相机的观测也考虑进来，程序应如何书写？最后结果会有何变化？分析:实际上在PnP例子中，我们可以把第一帧作... 查看详情
《视觉slam十四讲》-第1讲-全书内容概要
《视觉slam十四讲——从理论到实践》学习笔记(代码片段)
第1讲：预备知识1.3风格约定矩阵A∧A^\\wedgeA∧:AAA的反对称矩阵。坐标点坐标点用向量表示，具体来说，是用列向量表示，vetcor(3,1)； 查看详情
视觉slam十四讲笔记--第二讲
第二讲：课后题1．阅读文献[1]和[14]，你能看懂其中的内容吗?文献1：Asurveyofmonocularsimultaneouslocalizationandmapping可以从百度学术上自行下载本文献是一篇SLAM的综述，首先从AR（Augmentedreality增强现实）切入&... 查看详情
视觉slam十四讲报错couldnotfindaconfigurationfileforpackage“opencv“thatiscompatiblewithreques(代码片段)
视觉SLAM十四讲报错Couldnotfindaconfigurationfileforpackage"OpenCV"thatiscompatiblewithrequestedversion"4".1.问题2.原因3.解决方案3.1修改CMakeLists.txt3.2编译OpenCV4版本1.问题在编译高博的视觉SLAM十四讲ch8的optical_flow.cpp时，编译报错... 查看详情
视觉slam十四讲开源库安装教程
...n线性代数库的安装2、Sophus李代数库的安装3、OpenCV计算机视觉库的安装4、PCL点云库的安装 5、Ceres非线性优化库的安装6、G2O图优化库的安装7、Octomap八叉树地图库的安装8、DBoW3词袋模型库 正文回到顶部前言 本篇博客... 查看详情
《视觉slam十四讲》之第３讲－三维刚体运动
第三讲：三维空间刚体运动旋转的几种表达方式向量关于向量：注：其中e１，e2，ｅ3为线性空间下的一组基。向量的内积：注：向量的内积表示向量间的投影关系。向量的外积注：可以使用外积表示向量的旋转。注：^记成... 查看详情
《视觉slam十四讲》-第3讲-三维空间刚体运动
... 查看详情
视觉slam十四讲笔记--第一讲
第一讲：课后习题有线性方程Ax=b，若已知A,b，需要求解x，该如何求解？这对A和b有哪些要求?【提示:从A的维度和秩角度来分析】答：可以利用大学时候学的非齐次方程组的方法求解，利用A的增广... 查看详情
2021-08-16slam十四讲第5讲——从相机坐标到像素坐标
参考技术A在视觉SLAM中，要对图像进行处理，首先要得到图像，本讲就再描述如何从现实世界，通过相机，得到一张二维世界的图像，这张图像一般我们用像素表示，也就意味着，我们要去了解现实三维坐标到像素坐标的表示。... 查看详情
视觉slam十四讲笔记--第二讲
...mentedreality增强现实）切入，讲了SLAM的重要性以及视觉SLAM可以带来的好处，然后以此展开总体的概括了SLAM的发展情况，也分析和介绍了各不同SLAM的性能区别，对各个特性进行了对比和分析，最后总体讲了... 查看详情
视觉slam十四讲笔记--第二讲
...mentedreality增强现实）切入，讲了SLAM的重要性以及视觉SLAM可以带来的好处，然后以此展开总体的概括了SLAM的发展情况，也分析和介绍了各不同SLAM的性能区别，对各个特性进行了对比和分析，最后总体讲了... 查看详情
《视觉slam十四讲》课后习题—ch7（更新中……）(代码片段)
参考：https://blog.csdn.net/zilanpotou182/article/details/66478915（SIFT、SURF、ORB三种特征点的区别）1.除了本书介绍的ORB特征点外，你还能找到哪些特征点？请说说SIFT或SURF的原理，并对比它们与ORB之间的优劣 特征点：图像里一些特别的... 查看详情
slam十四讲安装eigen3+palingo第3讲实验踩坑记录(代码片段)
...安装Pangolin2.1下载源代码：2.2安装依赖2.3编译安装SLAM十四讲源码中，使用了多个第三方的库，由于第三方库都是有相应的版权，因此需要逐个的去相应的官网下载源码安装1、安装eigen3eigen3这个比较特殊，可以... 查看详情
《视觉slam十四讲》书籍图片资源
最近在拜读高博的新作《视觉SLAM十四讲》，发现书中的灰度图片有时会造成对相关内容理解困难，随将书中的图片存放在这里，以便随时查阅。我想高博看到了，也一定不会反对的，哈哈。chapter22-12-22-32-42-52-... 查看详情
经典视觉slam框架
...过前面的推送我们已经对SLAM有了个大体的认识。（初识视觉SLAM）下面来看经典的视觉SLAM框架，了解一下视觉SLAM究竟由哪几个模块组成。本文选自《视觉SLAM十四讲：从理论到实践》。 整体视觉SLAM流程图。 ... 查看详情
视觉slam十四讲ch6曲线拟合代码注释（笔记版）
1#include<opencv2/core/core.hpp>2#include<ceres/ceres.h>3#include<chrono>45usingnamespacestd;67//代价函数的计算模型8structCURVE_FITTING_COST9{10CURVE_FITTING_COST(doublex,doubley):_x(x),_y(y) 查看详情