視覺slam(學(xué)習(xí)SLAM需要哪些預(yù)備知識)
1.學(xué)習(xí)SLAM需要哪些預(yù)備知識
開始做SLAM（機器人同時定位與建圖）研究已經(jīng)近一年了。從一年級開始對這個方向產(chǎn)生興趣，到現(xiàn)在為止，也算是對這個領(lǐng)域有了大致的了解。然而越了解，越覺得這個方向難度很大?？傮w來講有以下幾個原因：
入門資料很少。雖然國內(nèi)也有不少人在做，但這方面現(xiàn)在沒有太好的入門教程?！禨LAM for dummies》可以算是一篇。中文資料幾乎沒有。
SLAM研究已進行了三十多年，從上世紀(jì)的九十年代開始。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。
難以實現(xiàn)。SLAM是一個完整的系統(tǒng)，由許多個分支模塊組成?，F(xiàn)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現(xiàn)不出來。
自己動手編程需要學(xué)習(xí)大量的先決知識。首先你要會C和C++，網(wǎng)上很多代碼還用了11標(biāo)準(zhǔn)的C++。第二要會用Linux。第三要會cmake,vim/emacs及一些編程工具。第四要會用openCV, PCL, Eigen等第三方庫。只有學(xué)會了這些東西之后，你才能真正上手編一個SLAM系統(tǒng)。如果你要跑實際機器人，還要會ROS。
當(dāng)然，困難多意味著收獲也多，坎坷的道路才能鍛煉人（比如說走著走著才發(fā)現(xiàn)Linux和C++才是我的真愛之類的。）鑒于目前網(wǎng)上關(guān)于視覺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。說的不對的地方請大家批評指正。
這篇文章關(guān)注視覺SLAM，專指用攝像機，Kinect等深度像機來做導(dǎo)航和探索，且主要關(guān)心室內(nèi)部分。到目前為止，室內(nèi)的視覺SLAM仍處于研究階段，遠(yuǎn)未到實際應(yīng)用的程度。一方面，編寫和使用視覺SLAM需要大量的專業(yè)知識，算法的實時性未達到實用要求；另一方面，視覺SLAM生成的地圖（多數(shù)是點云）還不能用來做機器人的路徑規(guī)劃，需要科研人員進一步的探索和研究。以下，我會介紹SLAM的歷史、理論以及實現(xiàn)的方式，且主要介紹視覺（Kinect）的實現(xiàn)方式。
2.視覺slam研究需要哪些硬件設(shè)備
其實還是要根據(jù)實際應(yīng)用需求去配置硬件。
像無人駕駛車輛或飛行器的自主飛行，需要的硬件設(shè)備就比較多了，主要是嵌入式計算機+攝像機+IMU，根據(jù)應(yīng)用領(lǐng)域、飛行器的尺寸、整體系統(tǒng)的功耗等等，合理的配置計算機、攝像機和設(shè)計VSLAM系統(tǒng)，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SLAM、人體識別和物體識別的開源算法，可以裝在例如攝像頭、無人機、機器人這種終端設(shè)備上，他們家本身也有小覓雙目攝像頭這一類產(chǎn)品，帶IMU的。
3.基于激光雷達的slam和基于視覺的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.不受光線影響
5.測速范圍大
視覺（主要是攝像頭）：
成本低廉，用攝像頭做算法開發(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(zhǔn)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）；另一個缺點是受環(huán)境光限制比較大。
4.學(xué)習(xí)SLAM需要哪些預(yù)備知識
首先搬出寶典：Multiple View Geometry in Computer Vision。
這本書基本涵蓋了Vision-based SLAM這個領(lǐng)域的全部理論基礎(chǔ)！讀多少遍都不算多！另外建議配合Berkeley的課件學(xué)習(xí)。（更新：這本書書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問題就要涉及optimization，就要用到各種least square算法。
所以另一個基礎(chǔ)理論是Sparse Matrix，這是大型稀疏矩陣處理的一般辦法?？梢詤⒖糄r. Tim Davis的課件：Tim Davis ，他的主頁里有全部的課程視頻和Project。
針對SLAM問題，最常用的least square算法是Sparse Levenberg Marquardt algorithm，這里有一份開源的代碼以及具體實現(xiàn)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(tǒng)上，里面包含一整套常用的機器人理論的算法和工具的實現(xiàn)。
另一個開源工具集是OpenSLAM OpenSLAM.org，其中的g2o是目前最流行的graph optimization的實現(xiàn)工具。另外OpenCV也是視覺相關(guān)必備的基礎(chǔ)工具，Multiple View教材中的常用算法在OpenCV中都有常用的實現(xiàn)。
（更新：OpenCV的文檔Camera Calibration and 3D Reconstruction 中，包含SLAM相關(guān)的基礎(chǔ)理論公式以及C/C++/Python實現(xiàn)的API） 另外多說一句題外話，因為Optimization和圖片的feature extraction是SLAM里最核心的兩個問題，而這兩個問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++來時實現(xiàn)完成的以確保運算速度。雖然我個人很欣賞Python，并且Python3也支持SciPy,OpenCV,ROS等重要工具，不過依然有大量的諸如g2o等基礎(chǔ)性庫在python下無法使用，而且如果要借鑒其他人的代碼，最方便的還是在C++中實現(xiàn)。
所以如果提問者有志于在這個領(lǐng)域做深入研究，夯實的C++基礎(chǔ)是必不可少的。Introduction to Algorithms，以及 @vczh 推薦的C++ Primer等，都是在實際工作前要自己做好的功課。
下面說一些硬件和實驗上的知識儲備。首先Vision-based SLAM常用攝像機標(biāo)定（Camera Calibration）的世界通用簡單方法，是張正友博士（Dr. Zhengyou Zhang，主頁Zhengyou Zhang's Home Page）的方法（張正友博士是本領(lǐng)域里少數(shù)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）。
具體方法和實現(xiàn)，我在這里推薦兩個，一個是Caltech工具箱：Camera Calibration Toolbox for Matlab ，以及相關(guān)paper:Camera Calibration Toolbox for Matlab。該方法的另一個實現(xiàn)，是Matlab最新版本內(nèi)置的Camera Calibration的application，自動導(dǎo)入標(biāo)定圖片并把得到的結(jié)果輸出給Matlab，更加自動化，更加便捷準(zhǔn)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(shè)備有兩種，一種是Microsoft Kinect，一個生態(tài)環(huán)境完備的RGBD Camera，可以直接用Visual Studio可Kinect SDK直接開發(fā)，也有大量開發(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有之一（微軟大法好）。
另一個是Google的Project Tango,Google對于這個自家的神器還是很低調(diào)的，可以看看宣傳片ATAP Project Tango ，絕對酷炫——可惜我們lab剛剛買的那一臺，我還沒有用過，所以對具體開發(fā)不太了解。 另外有幾個網(wǎng)上成熟的數(shù)據(jù)集和測試方法，一個是Malaga Dataset，一個西班牙的團隊采集的Malaga城市數(shù)據(jù)：The Málaga Stereo and Laser Urban Data Set，覆蓋了城市中汽車駕駛的各種情況（停車，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(shù)據(jù)以及GPS的ground truth trajectory。
不過該版本因為是在市中心，所以GPS的ground truth并不可靠。另一個是慕尼黑工業(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(nèi)的RGBD數(shù)據(jù)集，以及非常方便好用的benchmark tools。
第三個是KITTI Dataset:The KITTI Vision Benchmark Suite，也是認(rèn)可度很廣泛的汽車駕駛數(shù)據(jù)集。
5.學(xué)習(xí)SLAM需要哪些預(yù)備知識
首先搬出寶典：Multiple View Geometry in Computer Vision。
這本書基本涵蓋了Vision-based SLAM這個領(lǐng)域的全部理論基礎(chǔ)！讀多少遍都不算多！另外建議配合Berkeley的課件學(xué)習(xí)。（更新：這本書書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問題就要涉及optimization，就要用到各種least square算法。
所以另一個基礎(chǔ)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 ，他的主頁里有全部的課程視頻和Project。
針對SLAM問題，最常用的least square算法是Sparse Levenberg Marquardt algorithm，這里有一份開源的代碼以及具體實現(xiàn)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(tǒng)上，里面包含一整套常用的機器人理論的算法和工具的實現(xiàn)。
另一個開源工具集是OpenSLAM OpenSLAM.org，其中的g2o是目前最流行的graph optimization的實現(xiàn)工具。另外OpenCV也是視覺相關(guān)必備的基礎(chǔ)工具，Multiple View教材中的常用算法在OpenCV中都有常用的實現(xiàn)。
（更新：OpenCV的文檔Camera Calibration and 3D Reconstruction 中，包含SLAM相關(guān)的基礎(chǔ)理論公式以及C/C++/Python實現(xiàn)的API） 另外多說一句題外話，因為Optimization和圖片的feature extraction是SLAM里最核心的兩個問題，而這兩個問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++來時實現(xiàn)完成的以確保運算速度。雖然我個人很欣賞Python，并且Python3也支持SciPy,OpenCV,ROS等重要工具，不過依然有大量的諸如g2o等基礎(chǔ)性庫在python下無法使用，而且如果要借鑒其他人的代碼，最方便的還是在C++中實現(xiàn)。
所以如果提問者有志于在這個領(lǐng)域做深入研究，夯實的C++基礎(chǔ)是必不可少的。Introduction to Algorithms，以及 @vczh 推薦的C++ Primer等，都是在實際工作前要自己做好的功課。
下面說一些硬件和實驗上的知識儲備。首先Vision-based SLAM常用攝像機標(biāo)定（Camera Calibration）的世界通用簡單方法，是張正友博士（Dr. Zhengyou Zhang，主頁Zhengyou Zhang's Home Page）的方法（張正友博士是本領(lǐng)域里少數(shù)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）。
具體方法和實現(xiàn)，我在這里推薦兩個，一個是Caltech工具箱：Camera Calibration Toolbox for Matlab ，以及相關(guān)paper:Camera Calibration Toolbox for Matlab。該方法的另一個實現(xiàn)，是Matlab最新版本內(nèi)置的Camera Calibration的application，自動導(dǎo)入標(biāo)定圖片并把得到的結(jié)果輸出給Matlab，更加自動化，更加便捷準(zhǔn)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(shè)備有兩種，一種是Microsoft Kinect，一個生態(tài)環(huán)境完備的RGBD Camera，可以直接用Visual Studio可Kinect SDK直接開發(fā)，也有大量開發(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有之一（微軟大法好）。
另一個是Google的Project Tango,Google對于這個自家的神器還是很低調(diào)的，可以看看宣傳片ATAP Project Tango ，絕對酷炫——可惜我們lab剛剛買的那一臺，我還沒有用過，所以對具體開發(fā)不太了解。 另外有幾個網(wǎng)上成熟的數(shù)據(jù)集和測試方法，一個是Malaga Dataset，一個西班牙的團隊采集的Malaga城市數(shù)據(jù)：The Málaga Stereo and Laser Urban Data Set，覆蓋了城市中汽車駕駛的各種情況（停車，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(shù)據(jù)以及GPS的ground truth trajectory。
不過該版本因為是在市中心，所以GPS的ground truth并不可靠。另一個是慕尼黑工業(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(nèi)的RGBD數(shù)據(jù)集，以及非常方便好用的benchmark tools。
第三個是KITTI Dataset:The KITTI Vision Benchmark Suite，也是認(rèn)可度很廣泛的汽車駕駛數(shù)據(jù)集。
6.如何通過視覺SLAM構(gòu)建得到的三維地圖進行機器人的路徑規(guī)劃
機器人的最優(yōu)路徑規(guī)劃問題就是依 據(jù)某個或某些優(yōu)化準(zhǔn)則 （ 工作代價最小、行走時間最短、行 走路線最短等 ），在機器人的工作空間中尋找一條從起始 位置到目標(biāo)位置的無碰撞路徑。
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 這樣一個在我們看來十分簡單的任務(wù)，其實也是經(jīng)過了一 個良好配合與正確分析的過程。
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(jù)眼睛反饋回 來的環(huán)境信息和所要到達的目的地做出綜合的分析，得到 一個判斷和結(jié)果，然后指揮人的身體移動，從而實現(xiàn)在環(huán) 境中的行走。機器人也是類似，只不過在這里傳感器充當(dāng) 了機器人的“眼睛”而路徑規(guī)劃模塊就相當(dāng)于機器人的“大 ， 腦” ，根據(jù)傳感器信息和任務(wù)要求進行分析和決策，指揮機 器人的運動。
