浅谈SLAM--王维玺

1、前言前言 SLAM，全称叫做Simultaneous Localization and Mapping，中文叫做同时定位与建图。 几个领域：1.在虚拟现实（Virtual Reality）和增强现实技术（Argument Reality）中，没有SLAM提供的定位，用户就无法在场景中漫游。2.没有准确的定位与地图，扫地机就无法在房间自主地移动，只能随机乱碰；家用机器人就无法按照指令准确到达某个房间。传感器传感器 当我们谈论SLAM时，最先问到的就是传感器。SLAM的实现方式与难度和传感器的形式与安装方式密切相关。传感器分为激光和视觉两大类，视觉下面又分三小方向。 1. 传感器之激光雷达传感器之

2、激光雷达 激光雷达是最古老，研究也最多的SLAM传感器。它们提供机器人本体与周围环境障碍物间的距离信息。激光雷达能以很高精度测出机器人周围障碍点的角度和距离，从而很方便地实现SLAM、避障等功能。 主流的2D激光传感器扫描一个平面内的障碍物，适用于平面运动的机器人（如扫地机等）进行定位，并建立2D的栅格地图。这种地图在机器人导航中很实用，因为多数机器人还不能在空中飞行或走上台阶，仍限于地面。在SLAM研究史上，早期SLAM研究几乎全使用激光传感器进行建图，且多数使用滤波器方法，例如卡尔曼滤波器与粒子滤波器等。 2. 传感器之视觉传感器之视觉SLAM 视觉SLAM是21世纪SLAM研究热点之一，

3、一方面是因为视觉十分直观，不免令人觉得：为何人能通过眼睛认路，机器人就不行呢？另一方面，由于CPU、GPU处理速度的增长，使得许多以前被认为无法实时化的视觉算法，得以在10 Hz以上的速度运行。硬件的提高也促进了视觉SLAM的发展。 以传感器而论，视觉SLAM研究主要分为三大类：单目、双目（或多目）、RGBD。其余还有鱼眼、全景等特殊相机，但是在研究和产品中都属于少数。此外，结合惯性测量器件（Inertial Measurement Unit，IMU）的视觉SLAM也是现在研究热点之一。就实现难度而言，我们可以大致将这三类方法排序为：单目视觉双目视觉RGBD。一方面，由于绝对深度未知，单目SL

4、AM没法得到机器人运动轨迹以及地图的真实大小。 另一方面，单目相机无法依靠一张图像获得图另一方面，单目相机无法依靠一张图像获得图像中物体离自己的相对距离。像中物体离自己的相对距离。为了估计这个相对深度，单目SLAM要靠运动中的三角测量，来求解相机运动并估计像素的空间位置。即是说，它的轨迹和地图，只有在相机运动之后才能收敛，如果相机不进行运动时，就无法得知像素的位置。同时，相机运动还不能是纯粹的旋转，这就给单目SLAM的应用带来了一些麻烦，好在日常使用SLAM时，相机都会发生旋转和平移。不过，无法确定深度同时也有一个好处：它使得单目SLAM不受环境大小的影响，因此既可以用于室内，又可以用于室外。

5、 RGBD相机是相机是2010年左右开始兴起的一种相年左右开始兴起的一种相机，它最大的特点是可以通过红外结构光机，它最大的特点是可以通过红外结构光或或Time-of-Flight原理，直接测出图像中各像原理，直接测出图像中各像素离相机的距离素离相机的距离。因此，它比传统相机能够提供更丰富的信息，也不必像单目或双目那样费时费力地计算深度。目前常用的RGBD相机包括Kinect/Kinect V2、Xtion等。不过，现在多数RGBD相机还存在测量范围窄、噪声大、视野小等诸多问题。出于量程的限制，主要用于室内SLAM。 Kinect数据数据 测量范围在3m-12m之间，精度约3cm，较适合于小萝卜

6、这样的室内机器人。它采到的图像是这个样子的（从左往右依次为rgb图，深度图与点云图）：Kinect的一大优势在于能比较廉价地获得每个像素的深度值，不管是从时间上还是从经济上来说。有了这些信息，事实上可以知道它采集到的图片中每一个点的3d位置。只要我们事先标定了Kinect，或者采用出厂的标定值。我们把坐标系设成这个样子，这也是OpenCV中采用的默认坐标系。o-uv是图片坐标系，o-xyz是Kinect的坐标系。假设图片中的点为(u,v)，对应的三维点位置在(x,y,z)，那么它们之间的转换关系是这样的：5. 定位问题定位问题知道了Kinect中每个点的位置后，接下来我们要做的，就是根据两帧图

7、像间的差别计算位移。比如下面两张图，后一张是在前一张之后1秒采集到的：可以看出机器人往右转过了一定的角度。但究竟转过多少度呢？这个问题称为相机相对姿态估计，经典的算法是ICP（Iterative Closest Point，迭代最近点）。这个算法要求知道这两个图像间的一组匹配点，说的通俗点，就是左边图像哪些点和右边是一样的。你当然看见那块黑白相间的板子同时出现在两张图像中。这里牵涉到两个简单的问题：特征点的提取和匹配。如果你熟悉计算机视觉计算机视觉，那你应该听说过SIFT, SURF之类的特征。不错，要解决定位问题，首先要得到两张图像的一个匹配。匹配的基础是图像的特征，上图就是SIFT提取的关键点与匹配结果 得到了一组匹配点后，我们就可以计算两个图像间的转换关系，也叫PnP问题。它的模型是这样的： R为相机的姿态，C为相机的标定矩阵。R是不断运动的，而C则是随着相机做死的。ICP的模型稍有不同，但原理上也是计算相机的姿态矩阵。原则上，只要有四组匹配点，就可以算这个矩阵。你可以调用openCV的SolvePnPRANSAC函数或者PCL的ICP算法来求解。那只要不