?

轉：https://www.cnblogs.com/qcloud1001/p/7978238.html?????

文章在幾種slam項目方面做了很好的介紹，但是在濾波器和圖優化那講的不夠清楚，可以做補充～

導語

隨著最近幾年機器人、無人機、無人駕駛、VR/AR的火爆，SLAM技術也為大家熟知，被認為是這些領域的關鍵技術之一。本文對SLAM技術及其發展進行簡要介紹，分析視覺SLAM系統的關鍵問題以及在實際應用中的難點，并對SLAM的未來進行展望。

1. SLAM技術

SLAM（Simultaneous Localization and Mapping），同步定位與地圖構建，最早在機器人領域提出，它指的是：機器人從未知環境的未知地點出發，在運動過程中通過重復觀測到的環境特征定位自身位置和姿態，再根據自身位置構建周圍環境的增量式地圖，從而達到同時定位和地圖構建的目的。由于SLAM的重要學術價值和應用價值，一直以來都被認為是實現全自主移動機器人的關鍵技術。

如下圖，通俗的來講，SLAM回答兩個問題：“我在哪兒？”“我周圍是什么？”，就如同人到了一個陌生環境中一樣，SLAM試圖要解決的就是恢復出觀察者自身和周圍環境的相對空間關系，“我在哪兒”對應的就是定位問題，而“我周圍是什么”對應的就是建圖問題，給出周圍環境的一個描述?；卮鹆诉@兩個問題，其實就完成了對自身和周邊環境的空間認知。有了這個基礎，就可以進行路徑規劃去達要去的目的地，在此過程中還需要及時的檢測躲避遇到的障礙物，保證運行安全。

2. SLAM發展簡介

自從上世紀80年代SLAM概念的提出到現在，SLAM技術已經走過了30多年的歷史。SLAM系統使用的傳感器在不斷拓展，從早期的聲吶，到后來的2D/3D激光雷達，再到單目、雙目、RGBD、ToF等各種相機，以及與慣性測量單元IMU等傳感器的融合；SLAM的算法也從開始的基于濾波器的方法（EKF、PF等）向基于優化的方法轉變，技術框架也從開始的單一線程向多線程演進。下面介紹這些過程中一些代表性的SLAM技術。

（1）激光雷達SLAM發展

基于激光雷達的SLAM（Lidar SLAM）采用2D或3D激光雷達（也叫單線或多線激光雷達），如下圖所示。在室內機器人（如掃地機器人）上，一般使用2D激光雷達，在無人駕駛領域，一般使用3D激光雷達。

激光雷達的優點是測量精確，能夠比較精準的提供角度和距離信息，可以達到<1°的角度精度以及cm級別的測距精度，掃描范圍廣（通常能夠覆蓋平面內270°以上的范圍），而且基于掃描振鏡式的固態激光雷達（如Sick、Hokuyo等）可以達到較高的數據刷新率（20Hz以上），基本滿足了實時操作的需要；缺點是價格比較昂貴（目前市面上比較便宜的機械旋轉式單線激光雷達也得幾千元），安裝部署對結構有要求（要求掃描平面無遮擋）。

激光雷達SLAM建立的地圖常常使用占據柵格地圖（Ocupanccy Grid）表示，每個柵格以概率的形式表示被占據的概率，存儲非常緊湊，特別適合于進行路徑規劃。

現任Udacity創始人CEO、前Google副總裁、谷歌無人車領導者Sebastian Thrun大神（下圖）在他2005年的經典著作《Probabilistic Robotics》一書中詳細闡述了利用2D激光雷達基于概率方法進行地圖構建和定位的理論基礎，并闡述了基于RBPF粒子濾波器的FastSLAM方法，成為后來2D激光雷達建圖的標準方法之一GMapping[1][2]的基礎，該算法也被集成到機器人操作系統（Robot Operation System，ROS）中。

2013年，文獻[3]對ROS中的幾種2D SLAM的算法HectorSLAM，KartoSLAM，CoreSLAM，LagoSLAM和GMapping做了比較評估，讀者可前往細看。

2016年，Google開源其激光雷達SLAM算法庫Cartographer[4]，它改進了GMapping計算復雜，沒有有效處理閉環的缺點，采用SubMap和Scan Match的思想構建地圖，能夠有效處理閉環，達到了較好的效果。

（2）視覺SLAM發展

相比于激光雷達，作為視覺SLAM傳感器的相機更加便宜、輕便，而且隨處可得（如人人都用的手機上都配有攝像頭），另外圖像能提供更加豐富的信息，特征區分度更高，缺點是圖像信息的實時處理需要很高的計算能力。幸運的是隨著計算硬件的能力提升，在小型PC和嵌入式設備，乃至移動設備上運行實時的視覺SLAM已經成為了可能。

視覺SLAM使用的傳感器目前主要有單目相機、雙目相機、RGBD相機三種，其中RGBD相機的深度信息有通過結構光原理計算的（如Kinect1代），也有通過投射紅外pattern并利用雙目紅外相機來計算的（如Intel RealSense R200），也有通過TOF相機實現的（如Kinect2代），對用戶來講，這些類型的RGBD都可以輸出RGB圖像和Depth圖像。

現代流行的視覺SLAM系統大概可以分為前端和后端，如下圖所示。前端完成數據關聯，相當于VO（視覺里程計），研究幀與幀之間變換關系，主要完成實時的位姿跟蹤，對輸入的圖像進行處理，計算姿態變化，同時也檢測并處理閉環，當有IMU信息時，也可以參與融合計算（視覺慣性里程計VIO的做法）；后端主要對前端的輸出結果進行優化，利用濾波理論（EKF、PF等）或者優化理論進行樹或圖的優化，得到最優的位姿估計和地圖。

采用濾波器的SLAM，如下圖(a)，估計n時刻的相機位姿Tn需要使用地圖中所有路標的信息，而且每幀都需要更新這些路標的狀態，隨著新的路標的不斷加入，狀態矩陣的規模增長迅速，導致計算和求解耗時越來越嚴重，因此不適宜長時間大場景的操作；而采用優化算法的SLAM，如下圖(b)，通常結合關鍵幀使用，估計n時刻的相機位姿Tn可以使用整個地圖的一個子集，不需要在每幅圖像都更新地圖數據，因此現代比較成功的實時SLAM系統大都采取優化的方法。

下面介紹視覺SLAM發展歷程中幾個比較有代表性的SLAM系統進行介紹：

MonoSLAM[5]是2007年由Davison 等開發的第一個成功基于單目攝像頭的純視覺SLAM 系統。MonoSLAM使用了擴展卡爾曼濾波，它的狀態由相機運動參數和所有三維點位置構成, 每一時刻的相機方位均帶有一個概率偏差，每個三維點位置也帶有一個概率偏差, 可以用一個三維橢球表示, 橢球中心為估計值, 橢球體積表明不確定程度(如下圖所示)，在此概率模型下, 場景點投影至圖像的形狀為一個投影概率橢圓。MonoSLAM 為每幀圖像中抽取Shi-Tomasi角點[6], 在投影橢圓中主動搜索(active search)[7]特征點匹配。由于將三維點位置加入估計的狀態變量中，則每一時刻的計算復雜度為O(n3) , 因此只能處理幾百個點的小場景。

同年，Davison在Oxford的師父Murray和Klein發表了實時SLAM系統PTAM（Parallel Tracking and Mapping）[8]并開源（如下圖），它是首個基于關鍵幀BA的單目視覺SLAM 系統, 隨后在2009 年移植到手機端上[9]。PTAM在架構上做出了創新的設計，它將姿態跟蹤（Tracking）和建圖（Mapping）兩個線程分開并行進行，這在當時是一個創舉，第一次讓大家覺得對地圖的優化可以整合到實時計算中，并且整個系統可以跑起來。這種設計為后來的實時SLAM（如ORB-SLAM）所效仿，成為了現代SLAM系統的標配。具體而言，姿態跟蹤線程不修改地圖，只是利用已知地圖來快速跟蹤；而建圖線程專注于地圖的建立、維護和更新。即使建立地圖線程耗時稍長，姿態跟蹤線程仍然有地圖可以跟蹤（如果設備還在已建成的地圖范圍內）。此外，PTAM還實現丟失重定位的策略，如果成功匹配點(Inliers)數不足（如因圖像模糊、快速運動等）造成跟蹤失敗時，則開始重定位[10]——將當前幀與已有關鍵幀的縮略圖進行比較，選擇最相似的關鍵幀作為當前幀方位的預測。

2011年，Newcombe 等人提出了單目DTAM 系統[11], 其最顯著的特點是能實時恢復場景三維模型（如下圖）。基于三維模型，DTAM 既能允許AR應用中的虛擬物體與場景發生物理碰撞，又能保證在特征缺失、圖像模糊等情況下穩定地直接跟蹤。DTAM采用逆深度(Inverse Depth)[12]方式表達深度。如下圖，DTAM將解空間離散為M×N×S 的三維網格，其中M× N為圖像分辨率，S為逆深度分辨率，采用直接法構造能量函數進行優化求解。DTAM 對特征缺失、圖像模糊有很好的魯棒性，但由于DTAM 為每個像素都恢復稠密的深度圖, 并且采用全局優化，因此計算量很大，即使采用GPU 加速, 模型的擴展效率仍然較低。

2013年，TUM機器視覺組的Engel 等人提出了一套同樣也是基于直接法的視覺里程計(visual odometry, VO)系統，該系統2014年擴展為視覺SLAM 系統LSD-SLAM[13]，并開源了代碼。與DTAM相比，LSD-SLAM 僅恢復半稠密深度圖（如下圖），且每個像素深度獨立計算, 因此能達到很高的計算效率。LSD-SLAM 采用關鍵幀表達場景，每個關鍵幀K包含圖像 Ik、逆深度圖Dk和逆深度的方差Vk。系統假設每個像素x的逆深度值服從高斯分布N(Dk (x),Vk (x))。LSD-SLAM 的前臺線程采用直接法計算當前幀t與關鍵幀k之間相對運動，后臺線程對關鍵幀中每個半稠密抽取的像素點x（梯度顯著區域）, 在It中沿極線搜索Ik (x)的對應點, 得到新的逆深度觀測值及其方差，然后采用EKF更新Dk和Vk 。LSD-SLAM采用位姿圖優化來閉合回環和處理大尺度場景。2015年，Engel等人對LSD-SLAM進行了功能拓展，使其能夠支持雙目相機[14]和全景相機[15]。

2014年，蘇黎世大學機器人感知組的Forster等人提出開源的SVO系統[16]，該系統對稀疏的特征塊使用直接法配準（Sparse Model-based Image Alignment），獲取相機位姿，隨后根據光度不變假設構造優化方程對預測的特征位置進行優化（Feature Alignment），最后對位姿和結構進行優化（Motion-only BA和Structure-only BA），而在深度估計方面，構造深度濾波器，采用一個特殊的貝葉斯網絡[17]對深度進行更新。SVO的一個突出優點就是速度快，由于使用了稀疏的圖像塊，而且不需要進行特征描述子的計算，因此它可以達到很高的速度（作者在無人機的嵌入式ARM Cortex A9 4核1.6Ghz處理器平臺上可以達到55fps的速度），但是SVO缺點也很明顯，它沒有考慮重定位和閉環，不算是一個完整意義上的SLAM系統，丟失后基本就掛了，而且它的Depth Filter收斂較慢，結果嚴重地依賴于準確的位姿估計；2016年，Forster對SVO進行改進，形成SVO2.0[18]版本，新的版本做出了很大的改進，增加了邊緣的跟蹤，并且考慮了IMU的運動先驗信息，支持大視場角相機（如魚眼相機和反射式全景相機）和多相機系統，該系統目前也開源了可執行版本[19]；值得一提的是，Foster對VIO的理論也進行了詳細的推導，相關的文獻[20]成為后續SLAM融合IMU系統的理論指導，如后面的Visual Inertial ORBSLAM等系統。

2015年，Mur-Artal 等提出了開源的單目ORB-SLAM[21]，并于2016年拓展為支持雙目和RGBD傳感器的ORB-SLAM2[22]，它是目前支持傳感器最全且性能最好的視覺SLAM系統之一，也是所有在KITTI數據集上提交結果的開源系統中排名最靠前的一個[23]。ORB-SLAM 延續了PTAM 的算法框架，增加了單獨的回環檢測線程，并對框架中的大部分組件都做了改進，歸納起來主要有以下幾點：1）ORB-SLAM追蹤、建圖、重定位和回環檢測各個環節都使用了統一的ORB 特征[24]，使得建立的地圖可以保存載入重復利用；2）得益于共視圖（convisibility graph）的使用，將跟蹤和建圖操作集中在一個局部互見區域中，使其能夠不依賴于整體地圖的大小，能夠實現大范圍場景的實時操作；3）采用統一的BoW詞袋模型進行重定位和閉環檢測，并且建立索引來提高檢測速度；4）改進了PTAM只能手工選擇從平面場景初始化的不足，提出基于模型選擇的新的自動魯棒的系統初始化策略，允許從平面或非平面場景可靠地自動初始化。后來，Mur-Artal又將系統進行了拓展，形成了融合IMU信息的Visual Inertial ORB-SLAM[25]，采用了Foster的論文[]提出的預積分的方法，對IMU的初始化過程和與視覺信息的聯合優化做了闡述。

2016年，LSD-SLAM的作者，TUM機器視覺組的Engel等人又提出了DSO系統[26]。該系統是一種新的基于直接法和稀疏法的視覺里程計，它將最小化光度誤差模型和模型參數聯合優化方法相結合。為了滿足實時性，不對圖像進行光滑處理，而是對整個圖像均勻采樣。DSO不進行關鍵點檢測和特征描述子計算，而是在整個圖像內采樣具有強度梯度的像素點，包括白色墻壁上的邊緣和強度平滑變化的像素點。而且，DSO提出了完整的光度標定方法，考慮了曝光時間，透鏡暈影和非線性響應函數的影響。該系統在TUM monoVO、EuRoC MAV和ICL-NUIM三個數據集上進行了測試，達到了很高的跟蹤精度和魯棒性。

2017年，香港科技大學的沈紹劼老師課題組提出了融合IMU和視覺信息的VINS系統[27]，同時開源手機和Linux兩個版本的代碼，這是首個直接開源手機平臺代碼的視覺IMU融合SLAM系統。這個系統可以運行在iOS設備上，為手機端的增強現實應用提供精確的定位功能，同時該系統也在應用在了無人機控制上，并取得了較好的效果。VINS-Mobile使用滑動窗口優化方法，采用四元數姿態的方式完成視覺和IMU融合，并帶有基于BoW的閉環檢測模塊，累計誤差通過全局位姿圖得到實時校正。

總結

以上是生活随笔為你收集整理的漫谈SLAM技术（上）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。