RGB-D视觉SLAM之修改

Posted 2020-12-02 hao-lingguang19

　　虽然我已经做了两次关于SLAM的周报了，但是平时和实验室的师兄师姐交流的时候，他们好像还是不了解我要做啥。我觉得可能是前两次周报的时候，我对这个SLAM领域也是一知半解，所以才说的不够清楚。因此这次我想先把我要做的事情形象化地说明白，然后再汇报我这两周的工作。

 　　为了说明我们要研究的东西，先提出两个问题：1、当你突然被扔到一个陌生的城市，你是怎么探索这个城市的呢？ 2、假设你是一个来东华大学松江校区参观的游客，你是打算如何游览东华的呢？（是不是感觉一份地图至关重要）　　

　　那么假设来了，假设目前没有特别好的地图，需要及时去绘制一份以便游客参观。现在引入地图绘制小能手——机器人“葫芦娃”。“葫芦娃”身上带着深度相机kinect，能够在拍摄彩色图片的同时，还能知道拍摄的物体与它之间的距离。最后得出来一张地图如下：（实际上不是这样的地图，这里只是为了举例子从网上拉下来的一张图片，因为“葫芦娃”还没画出东华的样图，让我们一起期待吧~~）

　　好，那么我们来讨论一下“葫芦娃”是怎么画地图的？首先，假设“葫芦娃”是从宿舍区开始进入校区的（按照游客的路线），他需要先画出大学生活动中心的外貌（一般游客都会去），那么他需要绕着大活走一圈（想象你绕着一栋建筑物走的样子），他会左看看，右看看，往前走两步，再往后退几步.......等等。

　　在这个过程中 “葫芦娃” 会用自己的相机不断拍摄照片然后传给计算机（想象你参观一栋宏伟建筑时候的样子），然后计算机处理照片的过程中就是SLAM（主角出场）。

 

　　SLAM要解决的两个问题：1、“葫芦娃”走到哪里了？（就像你想知道跑出去的宠物狗在哪里一样）

                                                  2、“葫芦娃”周围是什么样的环境？（就像你想知道宠物狗在什么样的地方一样）

　　SLAM涉及的三个模块：视觉里程计——后端优化——闭环检测

　　视觉里程计——根据机器人连续拍摄的两帧图片，估算机器人在拍摄这两帧图片之间的位移以及旋转的角度

　　后端优化——根据连续几张图片的情况，纠正视觉里程计的估计误差

　　闭环检测——如果机器人走了一圈又回到原来的出发点，计算机必须能够检测出来，这样子才能形成一张完整的地图。如果没检测出来那么就会出现轨迹套轨迹，画出来的建筑物有重影......等等。

 

　　一切准备妥当后就可以画出一张完整的地图了，欧耶！

　　到了这里你对SLAM(simultaneous localization and mapping)要做的事情了解了没?实际上，画出来的图有好几种，并不是局限于二维地图，比如路标地图、度量地图、拓扑地图等等。当然我们希望“葫芦娃”画出来的不是那种像手画版一样的地图，而是像下面这样的。你可以想象一下以你自己的第一视角画出来的三维地图是怎么样的？不过要实现这样的效果还是需要各位科研工作者的努力。