版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/u010368556/article/details/85705757
-
定义：
“Simultaneous Localization And Mapping” 同步定位与建图，表示在未知环境中定位自身位姿(pose)并同时构建环境地图(mapping)。 -
原理：
假设机器人在未知环境中运动，感知传感器为摄像头(camera)，在运动过程中摄像头的每一帧图像表示机器人的自身位置，用x表示，每一帧图像在离散时间段中获得；设离散时刻为t=1,2,3,…k；每一时刻图像的位姿为 x1、x2、x3…xk；这些位姿就会构成机器人的运动轨迹。地图由很多路标组成，而每个时刻摄像头会检测到一定数量的路标点，得到相应的观测数据。假设路标点一共有N个，用y1、y2、y3…yN表示。根据视觉成像原理可以获得帧间运动关系u，传感器也可以获得地标点和成像平面之间的关系z；SLAM问题就是通过u和z求解姿态x(定位问题)和建图y(建图问题)。
-
输入：
可以是RGB video图，深度图，IMU测量值等； -
输出：
a.设备自身实时位姿(pose,在空间中的位置和朝向)；
b.环境地图(稀疏或者稠密的三维点云)； -
过程：
a.视觉里程计(visual odometry，vo，前端)：根据传感器数据对位置进行跟踪求解，实时恢复出每个时刻设备的位姿；
b.后端优化：对三维点云和不同时刻VO估计的位姿(有时候也指关键帧)进行局部或者全局优化，以减少积累误差；如果加了回环检测，则也会对回环检测的结果一起优化。
c.回环检测(loop closing)：指在地图构建中，通过传感器信息检测是否发生轨迹闭环，即判断自身是否重新回到同一点。
d.建图(Mapping)：根据估计的轨迹，建立需要的地图；
