視覺(jué)slam(學(xué)習SLAM需要哪些預備知識)

1.學(xué)習SLAM需要哪些預備知識

開(kāi)始做SLAM（機器人同時(shí)定位與建圖）研究已經(jīng)近一年了。從一年級開(kāi)始對這個(gè)方向產(chǎn)生興趣，到現在為止，也算是對這個(gè)領(lǐng)域有了大致的了解。然而越了解，越覺(jué)得這個(gè)方向難度很大。總體來(lái)講有以下幾個(gè)原因：

入門(mén)資料很少。雖然國內也有不少人在做，但這方面現在沒(méi)有太好的入門(mén)教程。《SLAM for dummies》可以算是一篇。中文資料幾乎沒(méi)有。

SLAM研究已進(jìn)行了三十多年，從上世紀的九十年代開(kāi)始。其中又有若干歷史分枝和爭論，要把握它的走向就很費工夫。

難以實(shí)現。SLAM是一個(gè)完整的系統，由許多個(gè)分支模塊組成。現在經(jīng)典的方案是“圖像前端，優(yōu)化后端，閉環(huán)檢測”的三部曲，很多文獻看完了自己實(shí)現不出來(lái)。

自己動(dòng)手編程需要學(xué)習大量的先決知識。首先你要會(huì )C和C++，網(wǎng)上很多代碼還用了11標準的C++。第二要會(huì )用Linux。第三要會(huì )cmake,vim/emacs及一些編程工具。第四要會(huì )用openCV, PCL, Eigen等第三方庫。只有學(xué)會(huì )了這些東西之后，你才能真正上手編一個(gè)SLAM系統。如果你要跑實(shí)際機器人，還要會(huì )ROS。

當然，困難多意味著(zhù)收獲也多，坎坷的道路才能鍛煉人（比如說(shuō)走著(zhù)走著(zhù)才發(fā)現Linux和C++才是我的真愛(ài)之類(lèi)的。）鑒于目前網(wǎng)上關(guān)于視覺(jué)SLAM的資料極少，我于是想把自己這一年多的經(jīng)驗與大家分享一下。說(shuō)的不對的地方請大家批評指正。

這篇文章關(guān)注視覺(jué)SLAM，專(zhuān)指用攝像機，Kinect等深度像機來(lái)做導航和探索，且主要關(guān)心室內部分。到目前為止，室內的視覺(jué)SLAM仍處于研究階段，遠未到實(shí)際應用的程度。一方面，編寫(xiě)和使用視覺(jué)SLAM需要大量的專(zhuān)業(yè)知識，算法的實(shí)時(shí)性未達到實(shí)用要求；另一方面，視覺(jué)SLAM生成的地圖（多數是點(diǎn)云）還不能用來(lái)做機器人的路徑規劃，需要科研人員進(jìn)一步的探索和研究。以下，我會(huì )介紹SLAM的歷史、理論以及實(shí)現的方式，且主要介紹視覺(jué)（Kinect）的實(shí)現方式。

2.視覺(jué)slam研究需要哪些硬件設備

其實(shí)還是要根據實(shí)際應用需求去配置硬件。

像無(wú)人駕駛車(chē)輛或飛行器的自主飛行，需要的硬件設備就比較多了，主要是嵌入式計算機+攝像機+IMU，根據應用領(lǐng)域、飛行器的尺寸、整體系統的功耗等等，合理的配置計算機、攝像機和設計VSLAM系統，最近小覓智能新出的小覓魔方是基于Nvidia Jetson TX2打造的嵌入式運算平臺，具備1.5T Flops的運算能力，還集成了視覺(jué)SLAM、人體識別和物體識別的開(kāi)源算法，可以裝在例如攝像頭、無(wú)人機、機器人這種終端設備上，他們家本身也有小覓雙目攝像頭這一類(lèi)產(chǎn)品，帶IMU的。

3.基于激光雷達的slam和基于視覺(jué)的slam有什么優(yōu)勢

激光雷達：

1.解析度高，測距精度高

2.抗有源干擾能力強

3.探測性能好

4.不受光線(xiàn)影響

5.測速范圍大

視覺(jué)（主要是攝像頭）：

成本低廉，用攝像頭做算法開(kāi)發(fā)的人員也比較多，技術(shù)相對比較成熟。攝像頭的劣勢，第一，獲取準確三維信息非常難（單目攝像頭幾乎不可能，也有人提出雙目或三目攝像頭去做）；另一個(gè)缺點(diǎn)是受環(huán)境光限制比較大。

4.學(xué)習SLAM需要哪些預備知識

首先搬出寶典：Multiple View Geometry in Computer Vision。

這本書(shū)基本涵蓋了Vision-based SLAM這個(gè)領(lǐng)域的全部理論基礎！讀多少遍都不算多！另外建議配合Berkeley的課件學(xué)習。（更新：這本書(shū)書(shū)后附錄也可以一并讀完，包括附帶bundle adjustment最基本的levenberg marquardt方法，newton方法等）只要是SLAM問(wèn)題就要涉及optimization，就要用到各種least square算法。

所以另一個(gè)基礎理論是Sparse Matrix，這是大型稀疏矩陣處理的一般辦法。可以參考Dr. Tim Davis的課件：Tim Davis ，他的主頁(yè)里有全部的課程視頻和Project。

針對SLAM問(wèn)題，最常用的least square算法是Sparse Levenberg Marquardt algorithm，這里有一份開(kāi)源的代碼以及具體實(shí)現的paper:Sparse Non-Linear Least Squares in C/C++ 然后是框架級的工具。最常用的機器人框架是ROSROS.org | Powering the world's robots，可以使用在Windows,Linux和MacOS等操作系統上，里面包含一整套常用的機器人理論的算法和工具的實(shí)現。

另一個(gè)開(kāi)源工具集是OpenSLAM OpenSLAM.org，其中的g2o是目前最流行的graph optimization的實(shí)現工具。另外OpenCV也是視覺(jué)相關(guān)必備的基礎工具，Multiple View教材中的常用算法在OpenCV中都有常用的實(shí)現。

（更新：OpenCV的文檔Camera Calibration and 3D Reconstruction 中，包含SLAM相關(guān)的基礎理論公式以及C/C++/Python實(shí)現的API） 另外多說(shuō)一句題外話(huà)，因為Optimization和圖片的feature extraction是SLAM里最核心的兩個(gè)問(wèn)題，而這兩個(gè)問(wèn)題都是運算量極大的。好的SLAM框架要兼顧速度和精確度。

目前大部分Vision或者RGBD的SLAM框架都是用C++來(lái)時(shí)實(shí)現完成的以確保運算速度。雖然我個(gè)人很欣賞Python，并且Python3也支持SciPy,OpenCV,ROS等重要工具，不過(guò)依然有大量的諸如g2o等基礎性庫在python下無(wú)法使用，而且如果要借鑒其他人的代碼，最方便的還是在C++中實(shí)現。

所以如果提問(wèn)者有志于在這個(gè)領(lǐng)域做深入研究，夯實(shí)的C++基礎是必不可少的。Introduction to Algorithms，以及 @vczh 推薦的C++ Primer等，都是在實(shí)際工作前要自己做好的功課。

下面說(shuō)一些硬件和實(shí)驗上的知識儲備。首先Vision-based SLAM常用攝像機標定（Camera Calibration）的世界通用簡(jiǎn)單方法，是張正友博士（Dr. Zhengyou Zhang，主頁(yè)Zhengyou Zhang's Home Page）的方法（張正友博士是本領(lǐng)域里少數的具有極其巨大影響力和貢獻的華人學(xué)者，已成腦殘粉嚶嚶嚶）。

具體方法和實(shí)現，我在這里推薦兩個(gè)，一個(gè)是Caltech工具箱：Camera Calibration Toolbox for Matlab ，以及相關(guān)paper:Camera Calibration Toolbox for Matlab。該方法的另一個(gè)實(shí)現，是Matlab最新版本內置的Camera Calibration的application，自動(dòng)導入標定圖片并把得到的結果輸出給Matlab，更加自動(dòng)化，更加便捷準確。

更多的Camera Model理論知識請參考Multiple View Geometry。 至于RGB-D Camera，最常用的采集設備有兩種，一種是Microsoft Kinect，一個(gè)生態(tài)環(huán)境完備的RGBD Camera，可以直接用Visual Studio可Kinect SDK直接開(kāi)發(fā)，也有大量開(kāi)發(fā)好的程序以供借鑒參考，也可以用OpenNI和ROS采集處理，我就不多介紹了，畢竟微軟是對程序員最友好的公司沒(méi)有之一（微軟大法好）。

另一個(gè)是Google的Project Tango,Google對于這個(gè)自家的神器還是很低調的，可以看看宣傳片ATAP Project Tango ，絕對酷炫——可惜我們lab剛剛買(mǎi)的那一臺，我還沒(méi)有用過(guò)，所以對具體開(kāi)發(fā)不太了解。 另外有幾個(gè)網(wǎng)上成熟的數據集和測試方法，一個(gè)是Malaga Dataset，一個(gè)西班牙的團隊采集的Malaga城市數據：The Málaga Stereo and Laser Urban Data Set，覆蓋了城市中汽車(chē)駕駛的各種情況（停車(chē)，加速，減速，行人，建筑，綠化帶等），里面提供了雙攝像頭，Laser,IMU等數據以及GPS的ground truth trajectory。

不過(guò)該版本因為是在市中心，所以GPS的ground truth并不可靠。另一個(gè)是慕尼黑工業(yè)大學(xué)Computer Vision Lab的RGB-D dataset https://vision.in.tum.de/data/datasets/rgbd-dataset，里面提供了大量的室內的RGBD數據集，以及非常方便好用的benchmark tools。

第三個(gè)是KITTI Dataset:The KITTI Vision Benchmark Suite，也是認可度很廣泛的汽車(chē)駕駛數據集。

5.學(xué)習SLAM需要哪些預備知識

首先搬出寶典：Multiple View Geometry in Computer Vision。

這本書(shū)基本涵蓋了Vision-based SLAM這個(gè)領(lǐng)域的全部理論基礎！讀多少遍都不算多！另外建議配合Berkeley的課件學(xué)習。（更新：這本書(shū)書(shū)后附錄也可以一并讀完，包括附帶bundle adjustment最基本的levenberg marquardt方法，newton方法等）只要是SLAM問(wèn)題就要涉及optimization，就要用到各種least square算法。

所以另一個(gè)基礎理論是Sparse Matrix，這是大型稀疏矩陣處理的一般辦法。可以參考Dr. Tim Davis的課件：Tim Davis ，他的主頁(yè)里有全部的課程視頻和Project。

針對SLAM問(wèn)題，最常用的least square算法是Sparse Levenberg Marquardt algorithm，這里有一份開(kāi)源的代碼以及具體實(shí)現的paper:Sparse Non-Linear Least Squares in C/C++ 然后是框架級的工具。最常用的機器人框架是ROSROS.org | Powering the world's robots，可以使用在Windows,Linux和MacOS等操作系統上，里面包含一整套常用的機器人理論的算法和工具的實(shí)現。

另一個(gè)開(kāi)源工具集是OpenSLAM OpenSLAM.org，其中的g2o是目前最流行的graph optimization的實(shí)現工具。另外OpenCV也是視覺(jué)相關(guān)必備的基礎工具，Multiple View教材中的常用算法在OpenCV中都有常用的實(shí)現。

（更新：OpenCV的文檔Camera Calibration and 3D Reconstruction 中，包含SLAM相關(guān)的基礎理論公式以及C/C++/Python實(shí)現的API） 另外多說(shuō)一句題外話(huà)，因為Optimization和圖片的feature extraction是SLAM里最核心的兩個(gè)問(wèn)題，而這兩個(gè)問(wèn)題都是運算量極大的。好的SLAM框架要兼顧速度和精確度。

目前大部分Vision或者RGBD的SLAM框架都是用C++來(lái)時(shí)實(shí)現完成的以確保運算速度。雖然我個(gè)人很欣賞Python，并且Python3也支持SciPy,OpenCV,ROS等重要工具，不過(guò)依然有大量的諸如g2o等基礎性庫在python下無(wú)法使用，而且如果要借鑒其他人的代碼，最方便的還是在C++中實(shí)現。

所以如果提問(wèn)者有志于在這個(gè)領(lǐng)域做深入研究，夯實(shí)的C++基礎是必不可少的。Introduction to Algorithms，以及 @vczh 推薦的C++ Primer等，都是在實(shí)際工作前要自己做好的功課。

下面說(shuō)一些硬件和實(shí)驗上的知識儲備。首先Vision-based SLAM常用攝像機標定（Camera Calibration）的世界通用簡(jiǎn)單方法，是張正友博士（Dr. Zhengyou Zhang，主頁(yè)Zhengyou Zhang's Home Page）的方法（張正友博士是本領(lǐng)域里少數的具有極其巨大影響力和貢獻的華人學(xué)者，已成腦殘粉嚶嚶嚶）。

具體方法和實(shí)現，我在這里推薦兩個(gè)，一個(gè)是Caltech工具箱：Camera Calibration Toolbox for Matlab ，以及相關(guān)paper:Camera Calibration Toolbox for Matlab。該方法的另一個(gè)實(shí)現，是Matlab最新版本內置的Camera Calibration的application，自動(dòng)導入標定圖片并把得到的結果輸出給Matlab，更加自動(dòng)化，更加便捷準確。

更多的Camera Model理論知識請參考Multiple View Geometry。 至于RGB-D Camera，最常用的采集設備有兩種，一種是Microsoft Kinect，一個(gè)生態(tài)環(huán)境完備的RGBD Camera，可以直接用Visual Studio可Kinect SDK直接開(kāi)發(fā)，也有大量開(kāi)發(fā)好的程序以供借鑒參考，也可以用OpenNI和ROS采集處理，我就不多介紹了，畢竟微軟是對程序員最友好的公司沒(méi)有之一（微軟大法好）。

另一個(gè)是Google的Project Tango,Google對于這個(gè)自家的神器還是很低調的，可以看看宣傳片ATAP Project Tango ，絕對酷炫——可惜我們lab剛剛買(mǎi)的那一臺，我還沒(méi)有用過(guò)，所以對具體開(kāi)發(fā)不太了解。 另外有幾個(gè)網(wǎng)上成熟的數據集和測試方法，一個(gè)是Malaga Dataset，一個(gè)西班牙的團隊采集的Malaga城市數據：The Málaga Stereo and Laser Urban Data Set，覆蓋了城市中汽車(chē)駕駛的各種情況（停車(chē)，加速，減速，行人，建筑，綠化帶等），里面提供了雙攝像頭，Laser,IMU等數據以及GPS的ground truth trajectory。

不過(guò)該版本因為是在市中心，所以GPS的ground truth并不可靠。另一個(gè)是慕尼黑工業(yè)大學(xué)Computer Vision Lab的RGB-D dataset https://vision.in.tum.de/data/datasets/rgbd-dataset，里面提供了大量的室內的RGBD數據集，以及非常方便好用的benchmark tools。

第三個(gè)是KITTI Dataset:The KITTI Vision Benchmark Suite，也是認可度很廣泛的汽車(chē)駕駛數據集。

6.如何通過(guò)視覺(jué)SLAM構建得到的三維地圖進(jìn)行機器人的路徑規劃

機器人的最優(yōu)路徑規劃問(wèn)題就是依 據某個(gè)或某些優(yōu)化準則 （ 工作代價(jià)最小、行走時(shí)間最短、行 走路線(xiàn)最短等 ），在機器人的工作空間中尋找一條從起始 位置到目標位置的無(wú)碰撞路徑。

就如人一樣，只有知道怎 么在環(huán)境中行走，才不會(huì )與其他物體相碰撞并且正確地從 起始地到達目的地，才能去做其他的事。但是即使是完成 這樣一個(gè)在我們看來(lái)十分簡(jiǎn)單的任務(wù)，其實(shí)也是經(jīng)過(guò)了一 個(gè)良好配合與正確分析的過(guò)程。

首先眼睛要搜集環(huán)境信息， 把看到的環(huán)境狀態(tài)反饋給大腦，然后大腦根據眼睛反饋回 來(lái)的環(huán)境信息和所要到達的目的地做出綜合的分析，得到 一個(gè)判斷和結果，然后指揮人的身體移動(dòng)，從而實(shí)現在環(huán) 境中的行走。機器人也是類(lèi)似，只不過(guò)在這里傳感器充當 了機器人的“眼睛”而路徑規劃模塊就相當于機器人的“大 ， 腦” ，根據傳感器信息和任務(wù)要求進(jìn)行分析和決策，指揮機 器人的運動(dòng)。