解讀《視覺SLAM十四講》，帶你一步一步入門視覺SLAM—— 第 2 講 初識SLAM （上）

近來，實習下班比較早，再加上天氣冷，不用陪女朋友逛街，是以早早回到寝室，繼續寫部落格！

在上一篇部落格中，我解讀了《視覺SLAM十四講》第1講的内容。在第一講中，書中并沒有什麼技術性的問題，主要是作者介紹了一些預備知識。

這篇部落格，我要帶你解讀第2講——初識SLAM。我相信如果你運作了我在上一篇部落格中介紹的ORB-SLAM2，那麼你對SLAM已經有一個很好的認識了。

一、初識SLAM

在這一講中，作者主要介紹了以下内容：

• 首先通過一個小機器人作為引入，講解了SLAM中最為常用的三種視覺傳感器：單目相機、雙目相機、深度相機；
• 然後介紹了經典的SLAM架構包含哪些過程，并介紹了每一個過程實作的意義；
• 又引入了通用的運動方程和觀測方程來通過數學的方式表述了SLAM問題
• 最後作者介紹了一些實踐行的工作，包括安裝一款Linux系統，如何在Linux系統上編寫一小段代碼、還介紹了管理代碼之間依賴關系的工具CMake，同時也介紹了連結庫，最後介紹了一款IDE。

在這一講中，作者從多個方面，對SLAM做了認識性的介紹，我相信對于初學者來說，這裡面一定有很多的專業術語讓你措手不及，但是這個是不可避免的，任何一門學科為了表述和交流的友善，都形成了自己的一套術語，可能一開始你不習慣，但是很快它就會印在你的腦海裡，請你多一些耐心。這一講你不用每一個字都了解，但是你要做到對大部分内容心中有數。對每一個術語即使不能用專業的語言解釋它，但是要大概知道它是啥。

二、解讀

下面我對書中的難于了解的内容，進行一些解讀，你一定要在閱讀過書中對應章節的内容之後再往下看，隻有那樣你才會有共鳴。

SLAM的傳感器

在書中作者介紹了SLAM常用的傳感器。我在前面說過，隻要是完成同時建圖和定位的任務，那麼我們就把它叫做SLAM，我們可以想到能滿足這個要求的傳感器很多，比方說雷射雷達，相機，輪式裡程計慣性測量單元，我想這其中你最熟悉的傳感器一定是：相機。别的傳感器可能你聽說過，可能沒有聽說過，你不必在他們上面多花時間去了解，因為《視覺SLAM十四講》這本書隻針對相機。

　　

單目相機

　　作者在書中介紹了單目相機，由于現在是初識階段，是以沒有介紹單目相機的原理，作者不斷地在強調一個問題，那就是單目相機的尺度問題。

　　

　　我不知道你對單目相機的尺度是否了解，如果你不了解，下面請你跟我一起做一個實驗，閉上你的一隻眼睛，然後将你的雙手掌心朝向你，兩個手掌之間前後方向稍微有一些距離，這個時候你會發現，你根本不可能通過一隻眼睛厘清楚兩個手掌誰在前誰在後。但是你可能會說，我明明知道他們的前後啊，對不起那并不是你的眼睛觀察出來的，而是你通過近大遠小的規律判斷出來的，你知道兩隻手一樣大，看着小的離我們就遠，但是相機不知道啊！你能得到距離感那是因為你通過後天不斷地學習獲得的知識，并不是你的眼睛直接看出來的。

　　

　　單目相機就相當于我們在用一隻眼睛觀察世界，盡管它看到了這一切，但是它并不知道它所看到的東西，具有多大的真實尺寸。由于還沒有學到單目相機的模型，是以隻能通過一個感性的方法，幫你了解一下單目的尺度問題。

　　

　　由于沒有尺度，也就是說沒有真實的空間距離，那麼我們後續産生的一切軌迹或者點，都沒有真實機關資訊，有的隻是它們之間的相對關系，也許你還不能了解這句話，但是你可以記住它，留下一個疑問，日後你自會了解。

雙目相機

雙目相機，你就可以了解成像我們的眼睛一樣，兩個眼睛之間的距離，叫做基線。這個是雙目相機出廠就知道的資訊，然後我們想過兩個雙目之間三角關系和相似三角形關系，就可以知道照片上一個點，對應到空間上的真實位置。也許你覺得很神奇，或者匪夷所思，但是當你在後續文章中了解雙目相機模型之後，你就會發現它的測距原理是如此的簡單。

深度相機

深度相機由叫RGB-D相機，其中R、G、B表示的是圖檔的三個通道，D表示的是深度，說明RGB-D相機獲得是一張，彩色的圖檔，并且每一個像素還額外獲得了深度資訊。作為我們對SLAM的應用，你對RGB-D相機的了解到此就足夠了，沒有必要再去深挖它的原理。

經典SLAM的視覺架構

作者介紹了目前視覺SLAM最為常見的流程，初看你一定對這每一部分都沒有什麼認識，也許根據“傳感器資料”、“回環檢測”、“建圖”的字面意思，你能推斷一些資訊，但是這離完全了解架構的流程還很遠。

　　

　　我覺得沒有什麼比舉例子，然後帶着你感受一遍這個流程來的直接。是以我下面采用一個例子，但是感受一下這個過程：

• 下面請你把自己想象成一個機器人，你的兩個眼睛就是一個雙目攝像頭，假設你的眼睛不轉，頭也不轉，眼睛的視角隻能通過腳步移動去控制。
• 現在你在一個超市裡面，你的雙腳開始移動，你一邊走一邊通過眼睛觀察你前方的場景，你每走一步，你就會更深入走進你眼前的場景，而你就能通過眼前場景的變化推斷出你行進的軌迹，然後你就在這個超市裡面不停地走動，那麼你的軌迹越來越長，但是由于你的眼睛觀察有誤差，是以就會導緻你大腦在形成軌迹時産生的誤差越來越大。
• 走着走着，忽然，你發現自己好像來過這個地方，這時你馬上發現了一個問題，我的腦海中推斷的軌迹是我現在在水産區，實際上我現在在蔬果區，于是你可以斷定自己前面的軌迹産生了多大的誤差，于是你就想采用了一個不算太好，但是也隻能這樣的方法，你将你推斷導緻的誤差，平均分給你前面走過每一步，這樣的話雖然總體誤差沒有降低，但是你最後所在的位置會更接近你真實的位置，這樣做會讓我們看起來更加接近真實的運動軌迹。
• 最後，你走了很多的路，你也修正了自己在超市運動的軌迹，而超市的整個環境的樣貌也就在你的腦海裡，留下了印象。

其實上面的這一個過程就是一個經典的SLAM架構：

• 眼睛看到的東西，就對應于架構中的傳感器資料；
• 我們通過前後兩步看到的場景變換，推斷出軌迹的過程，就是前端，也叫作視覺裡程計；
• 忽然我們發現自己回到了走過的地方，就對應于回環檢測；
• 上面例子中我們發現自己實際在蔬果區，但是根據累計的觀察，我們覺得自己是在水産區，然後我們就優化整個誤差，這個就對應于後端，常常采用的方法就是非線性優化；
• 最後我們記住了整個超市的環境樣貌，這就是建圖。

關于視覺裡程計，我要多說一句：在我們的印象中“XX計”，例如溫度計，都是一種實際的物件，但是視覺裡程計它并不是你可以摸得到的物件，它就是通過代碼完成相鄰時刻運動的計算，由于它的這個效果和我們實際的裡程計一樣，是以把它叫做：視覺裡程計。

我相信你仔細閱讀過上面的例子，親身體會一下，你一定能了解SLAM的整個流程，如果你對上面流程更為細緻的東西有疑惑，也請你不要着急，後面的所有内容都是圍繞着上面的流程進行的，待你學完之後，一定迎刃而解。

出于對内容品質的考慮（主要是我不想熬夜），每篇内容盡量不要太長，是以這一講，我就分成兩部分解讀。下篇部落格解讀這一講的SLAM通用數學模型和一些實踐的内容。

要從容地着手去做一件事,一旦開始,就要堅持到底。——比阿斯【美】