文章目录

• 学习笔记----SLAM的概论与架构
• 一、SLAM的提出与发展
• 二、从滤波器谈SLAM
• • 1.基于概率估计做出定位
  • 2.通过概率不断更新自身位置
• 三、SLAM的新突破--图优化
• 四、SLAM的知识架构
• • 1.总体框架
  • 2.传感器
  • 3.基本理论
  • 4.位姿估计与融合
  • 5.回路与图优化
  • 6.环境表达，地图的构建
  • 7.深度学习
• 五、ROS的简单介绍

学习笔记----SLAM的概论与架构

本笔记根据B站视频学习总结而来，供大家学习交流探讨。

一、SLAM的提出与发展

1.为了解决两个问题：当前环境的位置，当前环境的状态。

2.在早期一些学者提出利用概率估计的方法来解决定位与构图的问题

3.SLAM的一些部件：可见光视觉、IMU、激光雷达、声呐

4.SLAM的一些应用：无人驾驶、VR、AR、无人机、机器人

5.SLAM的分类：EKF-SLAM、FAST-SLAM、Graph-SLAM等等

二、从滤波器谈SLAM

1.基于概率估计做出定位

1.基于自身运动模型估计位置，通过高斯模型来表示方差

2.传感器基于地图获得位置估计

3.通过先验+后验实现融合

4.给出机器人位置的预测模型和观测模型：

2.通过概率不断更新自身位置

1.起始时刻概率为平均值

2.通过观测，在有路标的位置附近的概率就为：

更新此时的状态：

3.继续更新位置：

4.再次获得路标的观测数据，更新状态：

三、SLAM的新突破–图优化

1.

2.

3.

四、SLAM的知识架构

1.总体框架

2.传感器

1.传感器的分类：视觉、激光、声呐超声、惯导等

3.基本理论

1.滤波（随机估计）

2.坐标系、刚体运动

欧式旋转和四元数，详情见《视觉SLAM十四讲》

3.相机模型、视觉几何

相机模型：

视觉几何：

4.位姿估计与融合

PnP ICP RANSAC…

5.回路与图优化

1.词袋模型：

6.环境表达，地图的构建

点云地图、拓扑地图、语义地图、特征地图…

7.深度学习

五、ROS的简单介绍

1.结构功能：进程管理、内部进程通信、模块驱动

2.工具：仿真、显示、图像交互、数据记录

3.可实现功能：控制、规划、感知、构图、操作

4.资源：基础开发包开源、更新版本、开源教程