并行追蹤與制圖（Parallel Tracking and Mapping）簡稱PTAM，于2007年由英國牛津大學主動視覺實驗室的Georg Klein和David Murray提出。PTAM在機器導航，機器探索，人機互動，三維重建等方面都有應用。在這之前已經有人嘗試用slam(simultaneous localization and mapping)算法來進行機器探索。PTAM系統主要是通過雙核處理器將追蹤和制圖分開在兩個線程中來實現。追蹤線程用來對相機的位姿進行實時的追蹤，制圖線程用來繪制從視頻幀中觀察得到的特征點以形成三維的地圖，主要是為我們的追蹤線程提供數據源，不要求其為實時的操作。兩個獨立線程的應用，使得一些計算復雜的優化技術在不要求實時性的情況下得以運行，從而為機器導航提供了精確性和魯棒性。

1、同時定位與地圖創建允許機器人在未知環境中，依靠自身所帶的傳感器遞增式地創建環境地圖，并同時給出機器人所在位置。

2、移動機器人的定位有兩種類型：全局定位/絕對定位(Global/Absolute Localization)和位置跟蹤(Position Tracking)。 全局定位：給定環境地圖，在沒有其他先驗信息的情況下，機器人依靠自身所帶來的傳感器獲得的信息確定其在地圖中的位置。全局定位用來解決“Lost Robot”問題，對機器人位置進行初始化。全局定位必須要求有一個預先知道的環境地圖。匹配技術或數據關聯方法常用于移動機器人全局定位，通過比較當前的局部地圖信息與全局地圖信息，確定機器人的位置。但是由于環境的近似性和對稱性，一般的匹配方法不能保證有效地解決全局定位問題。目前，基于貝葉斯濾波技術的概率方法成為解決全局定位問題的流行方法。通過遞歸地計算在機器人位置空間上的概率分布，來確定機器人在工作環境中最可能的位置。 位置跟蹤：基于一定的初始信息，對機器人的位置進行跟蹤估計。一般地，可將機器人位姿看作是系統狀態，運用濾波技術對機器人的位姿進行濾波估計。最常用的方法是卡爾曼濾波。卡爾曼濾波是一種經典的線性最優遞歸估計算法。它將機器人的位姿表示為一個高斯概率分布函數，均值和方差即為機器人的位姿估計及其估計誤差。卡爾曼濾波只能處理高斯線性問題，但是機器人的運動方程及觀測方程一般都是高度分線性的，這大大限制了卡爾曼濾波算法的應用。因此，運用各種不同的近似技術進行次優的濾波估計成為重要的定位手段。 3、同時定位與地圖創建(SLAM) SLAM的動機在于不需要先驗地圖而能精確定位，并且它維持的地圖能夠隨環境的變化進行擴展和自適應。SLAM通過機器人的傳感器探測環境特征，然后由機器人的位姿估計特征位置，并把地圖特征存入地圖。當特征被重復觀測時，特征位置的不確定性逐漸降低，此時可用這些特征位置去提高機器人的位姿估計，使得能夠得到收斂的位姿估計與環境地圖。 ****當機器人探索位置區域得到特征的相對觀測時，所有特征位置的估計都是相關的，因為他們都是基于共同的機器人位姿估計誤差**** ****相關性是得到滿足收斂性估計結果的關鍵因素，處理過程中特征相關性維持的越好，將會得到更好的結果。**** ****基于狀態空間的SLAM實際上是一個聯合狀態向量的估計問題，該聯合狀態向量包括機器人的位姿x及觀測到的的靜態特征的位置m。在這種比較特殊的結構中，過程模型/運動模型(Process Model/Motion Model)只影響機器人位姿狀態，而觀測模型(Observation Model)只和單個機器人位姿特征有關。**** ****幾乎所有的狀態估計算法都會遇到數據關聯的問題。SLAM中，數據關聯用來建立觀測與地圖中已有特征的關系，但是由于機器人位姿的不確定、特征密度的變化、環境中動態目標的干擾及觀測中虛假成分的存在使得關聯是一個非常困難、復雜的過程。數據關聯算法包含以下兩個基本方面：(1)用來檢驗傳感器觀測與地圖特征相容性的條件；(2)從滿足相容性的特征中挑出最佳匹配的選擇標準。**** ****延時地圖創建：只有距離和方位的單個信息不足以確定一個特征的位置，需要機器人多個位置的多個測量才能確定。但是，單個測量產生了一個分高斯分布特征，而多個測量后需要得到一個近似的高斯分布。為了得到近似的高斯分布特征位置估計，可以采用延時初始化，并在延遲的時間段積累測量數據。這種延時策略的思想是通過積累信息，延時做出決策以提高魯棒性。為了保證延時數據的一致性，需要在狀態向量中以增廣的方式記錄每一觀測時刻的機器人位姿，并采用一個輔助向量來記錄對應每一個機器人位姿的觀測。**** ****環境地圖模型：典型的環境地圖表示方法為特征地圖，環境模型為由特征點構成的環境地圖，每個特征點用它在全局坐標系中的位置Li來表示。因此，環境地圖可表示為M=[L1,L2...Ln]。由于SLAM是解決未知環境中的定位導航問題，所以地圖創建的過程本質上是一系列特征點的位置估計問題，并且地圖是不斷更新的，因為特征點的位置將和機器人位姿一起進行估計與更新。**** ****機器人位置模型：定位是對機器人的位姿進行估計的過程，也就是確定機器人在全局坐標系中的位置及車體方向的過程。

總結

以上是生活随笔為你收集整理的ptam tracking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。