基本概念
SLAM：Simultaneous Localization and Mapping，指的是机器人在未知环境中同时进行自主定位和地图创建工作，其主要思想是：
1. 依靠已创建的地图信息进行自定位；
2. 根据定位结果对地图进行更新。
SLAM本质上是一个状态估计问题，当前，其求解方法可大致分为两大类：
1. 是基于滤波器的方法；
2. 是基于平滑的方法。
基本分类
1. 激光SLAM
准确、快速、开发成熟，但相对笨重、成本较高。
2. 视觉SLAM
便宜、轻量、信息量大，但消耗较大算力、所有结果都是概率估计。
相机分类：
- 单目相机
二维形式记录三维世界，移动下才能得到深度信息。 - 双目相机
通过左右眼图像差异可以估计深度。 - 深度相机（RGB-D相机）
通过红外结构光或ToF(Time of Flight)原理直接测量物体距离。
基本框架
- 前端
视觉里程计VO，用于估算相邻图像间相机的运动，以及局部地图的样子。不可避免有漂移！
方法：特征点法、直接法。 - 后端
Optimization，从带有噪声的数据中优化轨迹和地图，状态估计原理为最大后验概率估计MAP。
方法：EKF扩展卡尔曼滤波、图优化。 - 回环检测
Loop Closing，用于消除偏差。
方法：词袋模型。 - 建图
Mapping：用于导航、规划、通信、交互等
度量地图vs拓扑地图
稀疏地图vs稠密地图
基本描述
SLAM求解过程是一个状态估计过程。
- 运动方程
- 观测方程
参考文献
[1]梁明杰,闵华清,罗荣华. 基于图优化的同时定位与地图创建综述_梁明杰[J]. 机器人, 2013, 35(4): 500-512.
[2]Durrant-whyte H.,Bailey T.. Simultaneous_localization_and_mapping_part_I[J].:
[3]高翔. 视觉SLAM十四讲[M]