视觉SLAM笔记（1） 初识SLAM
视觉SLAM是一种让机器人能够通过自身传感器感知环境并自主导航的技术。通过“小萝卜”这一例子，展示了机器人如何通过安装轮子、相机等传感器实现运动和探索能力。其中，“小萝卜”通过相机感知周围环境并结合自身运动来实现定位与建图（即地图构建）。为了实现定位与建图，在室内环境中可以使用导引线、二维码或无线电设备等外部传感器；而外部环境中则依赖于GPS等定位技术。然而，外部传感器受环境限制且无法适用于未知环境的情况。相比之下，机器人本体上的激光、相机等内部传感器虽然无法直接提供位置数据，但可以通过间接测量值推算出位置信息，并且适用于各种未知环境场景。
视觉SLAM笔记（1） 初识SLAM
- 1. 小萝卜的例子
- 2. 状态环境
- 3. 传感器比较
1. 小萝卜的例子
假设组装了一台叫做“小萝卜”的机器人，大概长的下图这个样子
该机器人具备自主属性，在室内能够自由活动。
无论何处呼唤一声，“小萝卜”均会不 hesitation地移动过来，并展现出类似小僮仆的行为特征。
实现移动必须具备轮子和电机，在"小萝卜"下方配置了轮子（由于足式机器人步态较为复杂暂不考虑）。
配备完轮子后，机器人便能够实现行进。
若缺乏控制机制，“小萝卜”将无法确定行动目标。
更为糟糕的情况将会导致"小萝卜"撞到墙并损坏自身。
为了防止这种情况再次发生，在其实现面上安装了一个相机
当然这种想法是很天真的
2. 状态环境
为了使“小萝卜”能够探索一个房间，它至少需要知道两件事
- 我在哪？——定位
- 周围环境是什么样？——建图
确定位置和绘制地图, 可以视为感知的内外维度
当然, 解决这两个问题的方法多种多样. 例如, 在房间地板上铺设导引线, 在墙壁上贴识别二维码, 在桌子上放置无线电定位设备.
如果在室外，还可以在“小萝卜”头上安装 GPS 定位设备（像手机或汽车一样）
有了这些东西之后，定位问题是否已经解决了呢，that is the question。
3. 传感器比较
不妨把这些传感器分为两类：
-
携带于机器人本体上的
例如机器人的轮式编码器、相机、激光等等 -
安装于环境中的
例如前面讲的导轨、二维码标志等等
部署于环境中的传感设备一般都能感知机器人所在的位置信息，并且能够高效可靠地实现定位目标。
然而这些设备需要预先布设于工作环境内，并因此会对其应用灵活性产生一定影响。
例如，在某些区域缺乏GPS信号覆盖的情况下，以及无法架设轨道的地方，如何实现定位这一技术问题？可以看出这类传感器对外部环境的施加产生了限制。
仅当这些条件得到满足时，
基于它们的定位方案才可能得以实施。
相反地，
当条件无法得到满足时，
则不可能进行定位，
并且会面临重大问题。
可表述为：尽管这类传感器具有可靠性与易用性特点，在实际应用中却难以形成一种普适性的解决方案
例如：
- 轮式编码器测量轮子转动的角度
- IMU感知运动的角速度和加速度
- 相机和激光获取外部环境的观测数据
利用非直接途径从这些数据估算自己的位置
听起来这是一种绕行策略
但更明显的好处是无需特定环境条件限制，并且适应各种未知环境
参考：
谢谢！