제1장. 선행지식

1.1 개요

• 목적 : 시각적 SLAM을 소개
• 정의 : SLAM은 Simultaneous Localization and Mapping의 약자로 "동시 배치 및지도 제작"
  • 주변 환경에 대한 사전 정보가 없는 상황에서 특정한 센서를 이용해, 이동 중에 환경의 모델을 확립하고 자신의 움직임을 추정한다
• 역사 : 1986년
• 필요 지식 : 투영 기하학, 컴퓨터 시각, 상태 추정 이론, Lie 군, Lie 대수학 등
  • Probabilistic robotics [5], Multiple View Geometry in Computer Vision [3], State Estimation for Robotics: A Matrix-Lie-Group Approach [6]
• SLAM 구성 :
  • Odometry
  • backend optimization
  • 매핑
  • 루프백 탐지

1.2 책의 구성

A. 수학의 기초

• 제 1 강 : 이 서적의 기본 정보를 소개하는 서문으로, 문제는 주로 자가 진단 질문을 포함합니다.
• 제 2 강 : SLAM 시스템의 개요이며, SLAM 시스템으로 구성되는 모듈과 각 모듈의 특정 작업이 무엇인지 설명합니다.
• 제 3 강 : 3차원 모션을 소개하고 회전 행렬, 쿼터니언, 오일러 각에 대한 지식을 접하고 Eigen에서 사용합니다.
• 제 4 강 : Lie 군과 Lie 대수입니다.
• 제 5 강 : 핀홀 카메라 모델과 컴퓨터에서의 이미지 표현을 소개합니다.
• 제 6 강 : 이론적 인 상태 추정, 최소 제곱 문제 및 그래디언트 디센트 방법을 비롯한 비선형 최적화를 소개합니다.

B. SLAM 기술

• 제 7 강 : 특징점 방법의 시각적 주행 거리계입니다.
  • 이 강좌에서는 특징점의 추출 및 매칭, 에피폴라 기하학 제약 조건의 계산, PnP 및 ICP를 비롯한 많은 내용이 있습니다.
  • 실제로 이러한 방법을 사용하여 두 이미지 간의 모션을 추정합니다.
• 제 8 강 : 직접적인 시각적 주행 거리계입니다.
  • 옵티컬 플로우 및 직접 법칙을 익히고 g2o를 사용하여 간단한 RGB-D 직접 방법을 구현합니다.
• 제 9 강 : 시각적 주행 거리계의 실용적인 장으로서,
  • 기본 기능을 달성하기 위해 이전에 습득 한 지식을 결합한 Odometry 프레임 워크를 구축하게 됩니다.
  • 이 과정에서 최적화 필요성, 키 프레임 선택 등의 문제가 발생합니다.
• 제 10강 : backend optimization
  • 주로 기본 Bundle Adjustment를 비롯하여 번들 조정에 대한 심도있는 토론과 솔루션 프로세스 속도를 높이기 위해 희소성을 사용하는 방법에 대해 설명합니다.
• 제 11강 : backend optimization에서 포즈에 중점
  • 포즈 맵은 키 프레임 사이에 제약 조건을 표현하는보다 컴팩트 한 형식입니다.
• 제 12강 : loop closure detection
  • 주로 bag-of-word 메소드를 기반으로 루프백 탐지를 소개합니다.
• 제 13강 : 지도 제작을위한 것
  • 단안을 사용하여 조밀 한 깊이 맵을 추정하는 방법
  • RGB-D 조밀도 맵 생성 프로세스에 대해 논의
  • 에피폴라 라인 검색과 블록 매칭을위한 프로그램을 작성한 다음 RGB-D로 포인트 클라우드 맵과 옥트리 트리 맵을 생성합니다.
• 제 14강 : 현재 오픈 소스 SLAM 프로젝트와 그 미래 방향에 초점을 두고 있습니다

1.3 코드

모든 소스 코드는 GitHub에서 호스팅됩니다. https://github.com/gaoxiang12/slambook

저자 email : [email protected]