《SLAM十四讲》个人学习知识点梳理

Posted 2020-12-31 陈祈

这是我对《视觉SLAM十四讲》这本书的个人小总结。

0.引言

  从六月末到八月初大概一个月时间一直在啃SLAM十四讲[1]这本书，这本书把SLAM中涉及的基本知识点都涵盖了，所以在这里做一个复习，对这本书自己学到的东西做一个梳理。

  书本地址：http://www.broadview.com.cn/book/4938

  书本代码：https://github.com/gaoxiang12/slambook

 

1.SLAM概述

SLAM：即时定位与地图构建（Simultaneous Localization and Mapping）

数学描述：

一个典型的SLAM系统如下图所示[1]:

典型的SLAM系统中，输入传感器数据，前端提取特征，估计运动，后端优化数据，再通过loop closure优化整个路径。若没有加loop closure的SLAM称为视觉里程计。

 

2. 三维空间刚体运动

　　第2部分和第3部分是基础的数学只是，本部分主要是对机器人位姿的描述方法的介绍。

　　坐标描述：

• 平面坐标
• 三维坐标

在SLAM中通常采用射影空间的齐次坐标表示位姿转换。原因是齐次坐标下点和直线（高维空间里是超平面）能够使用同样的表达；且坐标能囊括无穷远点和无穷远超平面；齐次坐标可以方便地将平移与旋转放在同一个矩阵中。

 

3. 李群和李代数

　　群：一种集合加上一种运算的代数结构

　　性质：

• 封闭性 ∀a1,a2,a1⋅a2∈A
• 结合律∀a1,a2,a3,(a1⋅a2)⋅a3=a1⋅(a2⋅a3)
• 幺元∃a0∈A,s.t.∀a∈A,a0⋅a=a⋅a0=a
• 逆∀a∈A,∃a-1∈A,s.t.a⋅a-1 =a0

　　李群是指具有连续性质的群。并且，一般连续群上的运算还是无限可微，乃至解析的。三维旋转矩阵可以构成特殊正交群，变换矩阵构成特殊欧式群

　　李代数:每个李群都有与之对应的李代数。李代数由一个集合V，一个数域F和一个二元运算[,]组成。如果它们满足以下几条性质，称(V,F,[,]) 为一个李代数，记作g。

 　　性质：　

• 封闭性 ∀X,Y∈V,[XY]∈V
• 双线性 ∀X,Y,Z∈V,a,b∈F,∀X,Y,Z∈V,a,b∈F, 有[aX+bY,Z]=a[XZ]+b[YZ][Z,aX+bY]=a[ZX]+b[ZY]
• 自反性 ∀X∈V,[XX]=0
• 雅可比等价 ∀X,Y,Z∈V,[X,[YZ]]+[Z,[YX]]+[Y,[ZX]]

　　三维旋转和变换的李群李代数转换如下图所示，使用李代数可以很方便的进行优化，利用扰动模型进行求导。

　　旋转矩阵是自身带有约束的（正交且行列式为0），优化时引入额外的约束，优化困难，转化为李代数之后把位姿转为无约束的优化问题。：

 

 

4. 相机模型

　　相机几何模型：将三维空间中的点（单位为米）映射到二维图像平面（单位为像素）的过程。

　　针孔模型是常见且有效的模型。

• 内参矩阵K：相机坐标系到图像像素坐标系产生的中间量（固定）
• 外参矩阵P：相机的位姿R,t
• 存在畸变

　　单目相机模型：

 

 

 

　　双目相机模型：

　　

 

 

 

5. 前端

　　特征匹配法：一共六组实验。首先是ORB特征提取，通常是一些边和角等灰度特征比较明显的地方，描述子用来表示这些特征的周围。对极约束用在两组2d的点，都不知道深度的情况。3D-2D就是匹配的一组点知道深度，一组不知道。

 

 

　　直接法：最小化光度误差

　　相比特征匹配法，直接法只计算特征点，不计算描述子，不需要知道点和点的匹配关系，计算量小。

 

　　

 

 

　　直接法有一个很强的假设——灰度不变假设：同一个空间点的像素灰度值在各个图像中是固定不变的。

 

 

　　光度误差是P的两个像素的亮度误差。左边的实验叫稀疏直接法，示意图中匹配的P来自稀疏特征点，右边是半稠密直接法，不同就是P的特征点选取的多。

 

                                                                                                     

 

 

6. 后端　

　　前端可以给出一个短时间内的轨迹和地图，但由于不可避免的误差累积，如果时间长了这个地图是不准确的。所以我们希望构建一个尺度、规模更大的优化问题，以考虑长时间内的最优轨迹和地图。

　　EKF

• EKF目前已经被图优化所取代，曾经应用非常广泛　　

　　Bundle Adjustment：BA是在只有观测方程的情况下，优化相机的位姿以及路标三维坐标的图优化。

• 优化相机位姿和路标点坐标
• 节点表示相机和路标，边为它们之间的观测

　　Pose Graph：在大规模的定位和建图中，时间越久，BA计算量越大。因此提出pose graph，由关键帧之间通过特征匹配之后得到的运动估计来给定初始值，然后不再估计路标点

• 优化相机位姿
• 节点表示相机位姿，边是两个位姿节点之间的运动估计（来自特征点法或直接法）

　　左图为Bundle Adjustment示意图，右图为Pose Graph示意图。

7. 回环检测

 

　　前端用于提供特征点的提取和轨迹，地图的初值。后端负责这些数据的优化，但是视觉里程计仅考虑相邻时间上的关联，会有累计误差，无法构建全局一致的轨迹和地图。第一个图表示真实的轨迹，第二个图红色表示位姿的偏移，而如果有回环检测的话则可以将后面偏离的轨迹拉回到重合处。这就是回环检测的好处。这里介绍词袋模型，一共三步。

　　词袋模型

• 创建字典（聚类）

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　K叉树字典

• 用单词出现的情况描述图像——向量表示
• 比较上一步中的描述的相似程度

8. 建图

建图是SLAM的两大目标之一，建图的作用可归纳为定位，导航，避障，重建及交互。

 

单目稠密重建实验：1.假设所有像素深度满足某个初始的高斯分布

　　　　　　　　　2.当新数据产生时，通过极线搜索和块匹配确定投影点位置

　　　　　　　　　3.根据几何关系计算三角化后的深度及不确定性

　　　　　　　　　4. 将当前观测融合进上一次的估计中。若收敛则停止计算，否则返回第2步

RGB-D相机的稠密建图：可以转化为点云地图亦或是存储空间更小的八叉树地图

 

总结

　　我把一些章节合并了，有许多细节都没有说，整本书啃下来感觉最重要的还是代码，代码，代码，重要的事要说三遍。C++还要继续学习。

 

[1] 高翔, 张涛, 刘毅. 视觉 SLAM 十四讲——从理论到实践[M]. 2017

[2] Cadena, C., Carlone, L., Carrillo, H., Latif, Y., Scaramuzza, D., Neira, J., ... & Leonard, J. J. (2016). Past, present, and future of simultaneous localization and mapping: Toward the robust-perception age. IEEE Transactions on Robotics, 32(6), 1309-1332.