视觉SLAM是什么？

SLAM中文称作「即时定位与地图建设」
，而视觉SLAM就是用摄像头来完成情形的感知事情
。当一个自主移动的机械人处在一个未知的情形
，它要通过摄像头获取的信息数据对自身以及周围情形举行一个预估
，在机械人移动历程中凭证位置预计和摄像头对感知的数据举行自身的定位
，同时一直地制作和更新地图并且妄想自身的路径
。

视觉SLAM研究分类

视觉SLAM中常用的传感器是相机
，凭证相机的事情事情方法差别
，可以分为三类：单目相机（Monocular）、双目相机（Stereo）、深度相机（RGB-D）
。

单目SLAM只用一支摄像头就可以完成SLAM
。最大的优点是传感器简朴且本钱低
，但同时也有个大问题
，就是不可通过单张图片获得深度信息（距离）
，保存尺寸不确定的征象
，好比丧失深度信息的相片中
，我们能见到“手捏太阳”“借位照相”这样的征象
。

单目相机无法依赖一张图像获得图像中物体离自己的相对距离
。为了预计这个相对深度
，只能使用移动相机之后举行三角化
，丈量像素的距离
。即是说
，它的轨迹和地图
，只有在相机运动之后才华收敛
，若是相机不举行运动时
，就无法得知像素的位置
。同时
，相机运动还不可是纯粹的旋转
，这就给单目SLAM的应用带来了一些贫困
。

单目相机结构简朴
，本钱较低
。实质上是照相时的场景在相机的成像平面上留下一个投影
，以二维的形式纪录了三维的天下
。单目SLAM预计的轨迹和地图
，将与真实的轨迹’地图
，相差一个因子
，也就是所谓的标准
。由于单目SLAM无法仅凭图像确定这个真实尺寸
，以是又称为标准不确定性
。 实质缘故原由是通过单张图像无法确定深度
，为了获得这个深度
，人们最先使用双目相机和深度相机
。

双目SLAM使用左右目的视差盘算像素的距离
，从而实现自身的定位
。立体视觉既可以在运动时预计深度
，亦可在静止时预计
，消除了单目视觉的无法获得深度信息的贫困
。现在市面常见的双目相机包括INDEMIND双目视觉惯性模组等
。不过通过双目图像盘算像素距离
，盘算量大
，并且在特征少的白墙或暗光情形易丧失目的
。

双目相机由两个单目相机组成
，但这两个相机之间的距离（称为基线）是已知的
。我们通过这个基线来预计每个像素的空间位置
，基线距离越大
，能够丈量到的就越远
，双目与多目的弱点是设置与标定均较为重大
，其深怀抱程和精度受双目的基线与区分率的限制
，并且视觉盘算很是消耗盘算资源
，需要使用GPU和FPGA装备加速后
，才华实时输出整张图像的距离信息
。因此在现有的条件下
，盘算量是双目的主要问题之一
。

深度相机又称RGB-D相机
，RGB-D相机是2010年左右新兴的一种相机
，它最大的特点是可以通过红外结构光或Time-of-Flight(ToF)原理
，像激光传感器那样
，通过自动向物体发射光并吸收返回的光
，测出物体离相机的距离
。因此
，它比古板相性能够提供更富厚的信息
，也不必像单目或双目那样费时艰辛地盘算深度
。现在常用的RGB-D相机包括Kinect/Kinect V2等
。现在常用的RGB-D相机还保存丈量规模窄、噪声大、视野小、易受日光滋扰、无法丈量透射材质等诸多问题
，在SLAM方面
，主要用于室内
。