1 問題提出

首先假設一個場景，在下圖的機器人上，你如何讓它自由行走？也就是說，擁有自主運動能力？

當然，增加輪子和電機是必不可少的。然而，有了輪子和電機，它只能亂跑亂撞，因為缺少規劃和控制。如何才能擁有規劃和控制？首先需要增加相機，通過相機捕獲周邊環境信息。

然而，相機雖可以感知環境，歸根到底要知道環境的啥信息，要干啥？答案是，至少需要解決兩個問題：

1 周邊環境什么樣子？構建環境地圖。（建圖）

2 清楚知道，我在哪里？（定位）

回顧一下，在沒有提出SLAM之前，或者說如果不用SLAM，如何能夠解決以上兩個基本問題？其方案有：

• ?? 地上標注黃線，讓機器沿黃線運動。
• ?? 在墻上貼上二維碼做地標
• ?? 用無線定位設備。
• ?? 戶外用GPS

而SLAM方案與以上所列有所不同，它是通過如下配置完成：輪式編碼器、相機、激光傳感器來完成定位和構圖的。這里對比一下，非SLAM方案與SLAM比較存在啥區別：

• 非SLAM方案將建圖和定位安裝在機器人的外端，與環境構成一體。
• SLAM將定位和地圖，安裝在移動機器人上，與機器人構成一體。

以上兩種方案的優缺點比較：

• 非SLAM方案優點，構成簡單，容易實現。缺點是條件限制太多，太多的限制將不足以實現機器人的自主行走。
• SLAM方案優點，定位系統獨立于環境，不受環境限制，能實現自主行動。缺點：對環境測量不是直接的，是迂回的，要求算法必須足夠高級。

2 視覺測量傳感器--相機

SLAM的相機有三種：1）單目相機 2）雙目相機 3）RGB-D深度相機。單目相機，就是普通的相機，輸出的是圖片。雙目相機，是由兩個單目相機構成，因此，能同時拍攝兩張圖片，這兩張圖片相差一個視角，因此密切相關，通過對極幾何、三角測量等原理換算出距離。注意，換算景物距離，不僅僅是個障礙規避問題，更重要的是能換算出相機移動的距離向量，從而實現自身定位。RGB-D是2010年才出現的相機，是彩色，雙目，能測量景物深度的相機。由于雙目相機計算量大，耗時，因此業內注重單目相機，因為單目移動一個距離后，前后兩個圖片也可以實現雙目相同的計算。

3 經典SLAM框架

如果將環境限定成：靜態、剛體、光照變化不顯著、沒有人為干擾。那么，目前的SLAM已經相當成熟。而環境如果是動態的、光干擾明顯、物體形狀可變（如布料），則挑戰驟然升級。以下我們列出目前較成型的SLAM框架結構：

1）傳感器信息讀取：說白了就是把現場圖片導入內存。加上必要的預處理圖像。

2）前端（視覺里程機）：通過兩次相機采樣，換算出相機走過的距離向量。也就是處理STEP的問題。

3）后端（非線性優化）：將前端形成的每一步移動，并產生全局軌跡地圖。解決ROUTER問題。

4）回環檢測：是計算相機移動中，是否產生回路。

5） 建圖：根據后端所生成的軌跡，以及及環境信息，構成全局地圖。

?

參考資料：《視覺SLAM十四講》高翔

?

?

?

?

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的2021-04-15 深入理解SLAM技术 【2】 SLAM的框架的全部內容，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。