自身位置——定位
周圍環境——建圖
感測器分類
視覺slam 強調未知環境
單目相機（monocular）
單目相機的資料：**；
**（影象）以二維的形式反映了三維的世界。
無法通過單張得到深度資訊。——存在尺度不確定性
雙目相機（stereo）
兩個相機間的距離——基線已知。
基線越大，能測量的距離越遠。因此，無人車上的雙目相機體積較大。
優點：
缺點：
深度相機（rgb-d）
通過發射光並接收物體對光的反射來計算距離。——物理手段。
優點：
缺點：感測器資料讀取
視覺里程計（visual odometry, vo）
後端優化（optimization）
回環檢測（loop closing）
視覺里程計
會有累積為誤差。——累積漂移（accumulating drift）
回環檢測，檢測出漂移，後端優化根據檢測的資訊，校正軌跡。
計算機視覺領域，影象的特徵提取和匹配。後端優化
視覺里程計的估計誤差，狀態（軌跡和地圖）估計不確定性——最大後驗概率估計（maximum-a-posteriori，map）。
濾波與非線性優化演算法。回環檢測
實現方式
攜帶的感測器：判斷影象間的相似性。 建圖
地圖形式豐富：
分類：拓撲地圖
機械人 攜帶感測器 在未知環境中 運動方程是否為線性——線性/非線性
雜訊是否服從高斯分布——高斯/非高斯
線性高斯系統（linear gaussian, lg）：無偏的最優估計可由卡爾曼濾波器給出。
非線性非高斯系統（non-linear non-gaussian, nlng）:擴充套件卡爾曼濾波器（ekf）和非線性優化。
主流slam使用圖優化，優化技術優於濾波器技術。
自學《SLAM十四講》 第二講
1.c 中的類和物件的理解 就好比人類和個人？不知道可不可以這麼理解。2.stl standard template library 就是標準模板庫，是一些 容器 的集合 3.linux的目錄結構 其實就是新的c 的標準，用著用著就熟悉了 5.cmake cmake是乙個跨平台的安裝 編譯 工具，可...
視覺SLAM十四講第四講
主要目標 理解李群與李代數的概念，掌握 so 3 se 3 與對應李代數的表示方式。理解 bch 近似的意義。學會在李代數上的擾動模型。使用 sophus 對李代數進行運算。旋轉矩陣自身是帶有約束的 正交且行列式為 1 它們作為優化變數時，會引入額外的約束，使優化變得困難。通過李群 李代數間的轉換關...
《視覺SLAM十四講》第2講
目錄本講主要內容 1 視覺slam中的感測器 2 經典視覺slam框架 3 slam問題的數學表述 想象乙個在室內的移動機械人在自由地探索室內的環境，那麼定位與建圖可以直觀地理解成 1 我在什麼地方？定位 2 周圍環境是怎樣的？建圖 而要完成定位和建圖則需要各種感測器的支援。感測器一般可以分為兩類，...