标签：拍摄 机器人 地图 里程计 RGB SLAM 葫芦娃 视觉

　　虽然我已经做了两次关于SLAM的周报了，但是平时和实验室的师兄师姐交流的时候，他们好像还是不了解我要做啥。我觉得可能是前两次周报的时候，我对这个SLAM领域也是一知半解，所以才说的不够清楚。因此这次我想先把我要做的事情形象化地说明白，然后再汇报我这两周的工作。

 　　为了说明我们要研究的东西，先提出两个问题：1、当你突然被扔到一个陌生的城市，你是怎么探索这个城市的呢？ 2、假设你是一个来东华大学松江校区参观的游客，你是打算如何游览东华的呢？（是不是感觉一份地图至关重要）　　

　　那么假设来了，假设目前没有特别好的地图，需要及时去绘制一份以便游客参观。现在引入地图绘制小能手——机器人“葫芦娃”。“葫芦娃”身上带着深度相机kinect，能够在拍摄彩色图片的同时，还能知道拍摄的物体与它之间的距离。最后得出来一张地图如下：（实际上不是这样的地图，这里只是为了举例子从网上拉下来的一张图片，因为“葫芦娃”还没画出东华的样图，让我们一起期待吧~~）

　　好，那么我们来讨论一下“葫芦娃”是怎么画地图的？首先，假设“葫芦娃”是从宿舍区开始进入校区的（按照游客的路线），他需要先画出大学生活动中心的外貌（一般游客都会去），那么他需要绕着大活走一圈（想象你绕着一栋建筑物走的样子），他会左看看，右看看，往前走两步，再往后退几步.......等等。

　　在这个过程中 “葫芦娃” 会用自己的相机不断拍摄照片然后传给计算机（想象你参观一栋宏伟建筑时候的样子），然后计算机处理照片的过程中就是SLAM（主角出场）。

　　SLAM要解决的两个问题：1、“葫芦娃”走到哪里了？（就像你想知道跑出去的宠物狗在哪里一样）

                                                  2、“葫芦娃”周围是什么样的环境？（就像你想知道宠物狗在什么样的地方一样）

　　SLAM涉及的三个模块：视觉里程计——后端优化——闭环检测

　　视觉里程计——根据机器人连续拍摄的两帧图片，估算机器人在拍摄这两帧图片之间的位移以及旋转的角度

　　后端优化——根据连续几张图片的情况，纠正视觉里程计的估计误差

　　闭环检测——如果机器人走了一圈又回到原来的出发点，计算机必须能够检测出来，这样子才能形成一张完整的地图。如果没检测出来那么就会出现轨迹套轨迹，画出来的建筑物有重影......等等。

　　一切准备妥当后就可以画出一张完整的地图了，欧耶！

　　到了这里你对SLAM(simultaneous localization and mapping)要做的事情了解了没?实际上，画出来的图有好几种，并不是局限于二维地图，比如路标地图、度量地图、拓扑地图等等。当然我们希望“葫芦娃”画出来的不是那种像手画版一样的地图，而是像下面这样的。你可以想象一下以你自己的第一视角画出来的三维地图是怎么样的？不过要实现这样的效果还是需要各位科研工作者的努力。

标签：拍摄,机器人,地图,里程计,RGB,SLAM,葫芦娃,视觉
来源： https://www.cnblogs.com/hao-lingguang19/p/11747374.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。