SLAM入门

SLAM定义

SLAM Simultaneous localization and mapping

同时定位（我在哪里）与建图（我周围有什么）

当某种移动设备（汽车，扫地机，手机，无人机，机器人）从一个未知环境的未知地点出发，在运动过程中，通过传感器（相机/雷达）观测定位自身位置，姿态，运动轨迹，根据自身位置进行增量式地图构建 ，从而达到同时定位于地图构建的目的。

SLAM的应用

定位：定位建图，室内无GPS，救援，军事观察。

扫地机器人，无人室内场景建图。宾大。仓储机器人（AGV automated guided vehicle）

建图：小尺度，单个物体扫描建图数字化。大尺度，建筑物内、场景建图建模。机器人理解环境。大场景AR游戏（见到棚顶一些玩法）。室内导航互动娱乐（桌子上面各种玩法）三维全景漫游（全景相机采集之后建图）。

SLAM技术框架

传感器：激光（2D，3D）计算量小，准确率高，贵，体积大

视觉（单目，双目，RGB-D相机，全景相机）便宜，体积小，信息丰富，计算量大，易干扰

单目相机：成本低，距离不受限，尺度不确定，依赖纹理光照

双目相机：被动算深度，距离不受限，计算量大，依赖纹理光照

RGB-D： 主动算深度，高帧率高精度，量程受限，不适合室外，受材质干扰

视觉里程计：

根据图像定量估算帧间相机的运动。后端优化，优化前端计算的位姿，减少漂移。

建图：

2D/3D，稀疏/半稀疏/稠密

回环检测：

认识自己曾经去过的地方，消除累积误差。

SLAM优秀开源框架

稀疏地图：

ORB SLAM v2 https://github.com/raulmur/ORB_SLAM2

半稠密地图

LSD SLAM(单双目，RGB-D) https://github.com/tum-vision/lsd_slam

DSO（单目） https://github.com/ziyan-wyq/dso

稠密地图

Elastic Fusion（RGB-D） https://github.com/ziyan-wyq/ElasticFusion

Bundle Fusuib（RGB-D）https://github.com/ziyan-wyq/BundleFusion

InfiniTAM V3 （RGB-D）https://github.com/ziyan-wyq/InfiniTAM

多传感器融合

VINS-Fusion 单目IMU https://github.com/ziyan-wyq/VINS-Fusion

OKVIS （单双目+IMU） https://github.com/ziyan-wyq/okvis

Cartographer （LIDAR+IMU ）https://github.com/ziyan-wyq/cartographer

V-LOAM (LIDAR 单双目) https://github.com/ziyan-wyq/loam_velodyne 视觉可以为雷达获得更好的点云深度，视觉也可以为雷达提供扫描匹配的运动先验

VI-LOAM (单双目 IMU LIDAR)  

LIMO （Lidar 单目）https://github.com/johannes-graeter/limo 

https://arxiv.org/pdf/1807.07524.pdf

ElasticFusion https://github.com/mp3guy/ElasticFusion

SLAM vs 深度学习

深度学习在检测，识别领域无比强大

SLAM多 视角几何为基础，需要明确理论保证

深度学习的黑盒子模型在解决SLAM几何问题上不太奏效。