标签：idt jpg 工作者 学院 str 效果 计算 轨迹 也有
虽然我已经做了两次关于SLAM的周报了，但是平日里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。
好，先上图：东华大学松江区地图；为了说明问题引入另一个伙伴——实验室的机器人“葫芦娃”
有一天，师兄正在实验室敲代码（嗯，你没听错，而且就在2号学院楼），“葫芦娃”突然来找师兄：
“葫芦娃”：师兄，我要去二号教学楼上课了，你知道怎么去吗？（假设葫芦娃已经可以自己上课了）
师 兄：知道啊，从楼下往南走遇到体育馆，然后左拐、直走，然后......
“葫芦娃”：师兄，那具体走多远的距离啊？我又不认识体育馆、食堂......
师 兄：......?那这样吧，你边走边把周围的地图画出来，并画上你走的路径，我来告诉你对不对怎么样？
“葫芦娃”：好呀，好呀，出发喽
接下来，“葫芦娃”给师兄传回一张这样的地图:
蓝色表示的是起点——2号学院楼，黄色表示的是目的地——2号教学楼。上完课后“葫芦娃”又回到了二号学院楼，因此会形成一个闭合的环路。（当然地图是在我的指导下画好的，不然“葫芦娃”有可能就会掉到静月湖里面了，hhhh~）
好，那么我们SLAM做的事情是什么呢？
第一：把周围的环境“画”出来，包括建筑物、树、路and so on；
第二：“葫芦娃”必须实时向师兄“汇报”他在哪里？
实际上，第一步和第二步是同时进行的，“葫芦娃”必须一边建图，一边告诉师兄他的位置（是不是很智能啊）；那么SLAM涉及到的三个模块就出来了：
视觉里程计——闭环检测——后端优化
视觉里程计：估计“葫芦娃”是前进了还是后退了，向左转了一下头，还是向右转了一下头（就像我们人一样，来到一个陌生的地方总会左看看，右看看，向前走走，再退回去看看）
闭环检测：当“葫芦娃”再次回到学院楼的时候，他必须知道自己已经“回家”了，这样他才能画出这样一张完整的闭合的地图。（难道还让师兄告诉他“你已经到家了”之类的话不成？）
后端优化：实际上“葫芦娃”传回来的是一张波动轨迹的地图，就像下面那张地图一样。但是我们需要关心他是怎么调整的吗？不，我们只关心他在哪，比如你是在体育馆前面，还是在东华大道上走着。所以这些扭扭曲曲的路线必须由他自己调整，称之为后端优化。
这些扭扭曲曲的线主要是因为噪声，有可能“葫芦娃”自己没有移动多少距离，但是计算机计算位姿变化时没有计算好从而导致了波动的路线；其次是闭环检测也有助于后端优化，因为闭环检测会告诉“葫芦娃”你又回到了以前到过的地方，这样“葫芦娃”才能画出一个闭合的地图，没有闭环检测就可能会画出一个越绕越大的圈。想象一下你被扔到一个陌生的城市，摸索了一圈又回到了原来到过的地方，是多么开心的事情啊！
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。
好！本次向大家介绍了SLAM 的基本内容，我想大家已经对它有了一个比较清晰的认识了，那么接下来就来谈谈我看的论文吧！
标签：idt jpg 工作者 学院 str 效果 计算 轨迹 也有
原文地址：https://www.cnblogs.com/hao-lingguang19/p/11746919.html
