視覺SLAM入門十四講

• 寫在前面的話
• 什么是視覺SLAM
• 視覺SLAM中所使用的攝像頭傳感器
• • 單目攝像頭
  • 雙目攝像頭
  • 深度攝像頭
• 經(jīng)典視覺SLAM框架

寫在前面的話

考研期間迷上了SLAM，買來了高翔、張濤等著的《視覺SLAM十四講——從理論到實踐》，感悟頗深，作文記之。愿心之所向，夢亦同趨。

什么是視覺SLAM

SLAM是Simulataneous Location and Mapping的縮寫，中文譯為“同時定位與地圖構建”。通俗來講就是兩個部分，“定位”與“建圖”。同時此處所用的傳感器主要為攝像頭，故稱為視覺SLAM。

視覺SLAM中所使用的攝像頭傳感器

如上所講，視覺SLAM需要實現(xiàn)的兩個部分——“定位”與“建圖”，即帶有哲學性質的兩個提問，“我在哪里？”，“我周圍是怎么樣？”。通過眼睛觀察，人類可以輕而易舉地回答這兩個問題，而機器人要實現(xiàn)這個目標，也需要有眼睛，傳感器，就是機器人的眼睛。而安裝于環(huán)境中的傳感器，對環(huán)境的要求比較高，實際應用中，機器人的使用環(huán)境往往是多種多樣的，這就意味著，使用攜帶式的傳感器是我們重點關心的一個問題。而視覺SLAM中所需要的攝像頭，需要以一定速率拍攝周圍的環(huán)境，形成一個連續(xù)的視頻流。按照工作方式不同，攝像頭可以分為單目攝像頭（Monocular）、雙目攝像頭（Stereo）以及深度攝像頭（RGB-D）。下面對著三種攝像頭以及它們的工作方式分別進行介紹。

單目攝像頭

顧名思義，單目攝像頭只有一個鏡頭。而攝像頭所拍攝的圖像是三維圖像在二維世界的投影，要想恢復三維結構，必須移動攝像頭。通過一個很簡單的生活常識：近處的物體移動得快，看起來大，遠處的物體移動地慢，看起來小。 我們可以通過攝像頭在移動時產(chǎn)生的視差來對物體遠近進行相對的定量的判斷。需要注意此處得到的物體遠近是相對的，可以通過特攝劇來理解，我們無法判斷是怪獸摧毀了高樓大廈，還是穿著怪獸皮套的演員摧毀了高樓模型。進一步理解，我們可以認為，單目攝像機得到的圖像，是將真實的三維世界的投影乘以一個因子進行了縮放，這個因子可稱為尺度，由于這個尺度是不確定的，故單目攝像頭具有尺度不確定性。但要注意，單目攝像機可以確定深度，但需要平移之后才能計算深度，加上無法確定尺度，這給"SLAM“帶來了很大的麻煩。

雙目攝像頭

雙目攝像頭，雙目攝像頭是由兩個單目攝像頭組成，該兩個單目攝像頭的距離是已知的，我們稱他為基線，據(jù)此通過復雜的計算可以得到深度，但此處的計算是通過軟件算法實現(xiàn)的，比較占用系統(tǒng)資源，需要使用GPU、FPGA等設備來進行加速。計算量是雙目攝像頭目前最主要的問題。

深度攝像頭

深度攝像頭即RGB-D攝像頭，它最大的特點是通過紅外結構或Time-of-Flight(ToF)原理，筆者參加全國大學生智能汽車競賽時曾使用過ToF模塊進行距離測量，效果比較好。深度攝像頭通過主動發(fā)出紅外光并接收返回的光，來得到物體與攝像頭之間的距離。通過物理的方式進行深度的獲取，在對比雙目攝像頭來說有較大的優(yōu)勢，可以很好地節(jié)省計算資源。

經(jīng)典視覺SLAM框架

經(jīng)典視覺SLAM的結構框架由以下步驟組成：

傳感器信息讀取。傳感器是機器人的眼睛。在視覺SLAM中，主要是對相機獲取的圖像進行預處理。

前端視覺里程計（VO）。 視覺里程計的任務是估算相鄰圖像間相機的運動，以及局部地圖是如何的。又稱為前端。

后端（非線性化）優(yōu)化。 后端接收前端獲取的相機位姿信息以及回環(huán)檢測的信息，進行優(yōu)化、處理，得到較好的全局地圖。

回環(huán)檢測。 判斷機器人之前是否到過同樣的位置。
經(jīng)典視覺

總結

以上是生活随笔為你收集整理的视觉SLAM入门十四讲的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。