三维重建笔记_SLAM简介
1 引出
1.1 什么是SLAM?
------------------------------------------------------------
------------------------------------------------------------
------------------------------------------------------------
1.2 SLAM一些典型引用
增强现实：比如家具布置，虚拟装修，是否合适，直接购买下单；使用微软的 HoloLens 将游戏中的物体布置到实际场景中；
扫地机器人：上面有一个360度的全景镜头，拍照后三维重建，确定自己的位置，可以做路径跟踪，路径规划等；
------------------------------------------------------------
------------------------------------------------------------
2 LiDAR SLAM
------------------------------------------------------------
------------------------------------------------------------
2D LiDAR SLAM 使用于平面中的运动。
使用激光的方式，获取的地图的描述的一种方式为：占用网格地图（Occupancy Grid Map），描述如下。
------------------------------------------------------------
------------------------------------------------------------
假设传感器的位姿是知道的，怎样构建地图？
------------------------------------------------------------
------------------------------------------------------------
假设地图是知道的，怎样计算传感器的位姿(pose)？
------------------------------------------------------------
点云匹配问题 ICP 基本思想
假设此时地图已知，也有了传感器的输入（一圈激光点），然后去确定传感器在地图中的位置（定位），即点云匹配问题。
首先，为当前传感器所在位置扫描得到的，一圈激光点云中的每一个点，在地图种找到一个最近邻的点。找到这个对应关系后，我们可以根据3D到3D的对应关系，把我输入的这一圈激光点云，register 到地图上面去。然后，第一次 registration 可能不会完美，我就暂停在那个地方，以这个 pose 为初始，重新去找他的对应点。当我的pose更新时，我的最近邻关系也会随之更新，所以我可以重新去找一次最近邻点，然后再次求解传感器的运动，逐步的迭代。
------------------------------------------------------------
------------------------------------------------------------
给定最近邻点时，怎样求解运动？
即，怎样去求解一个选择矩阵R和位移向量t，来确定当前传感器扫的一圈点，和地图中待确定的对应点之间的对应关系。显然，这是一个优化问题。即优化 E(R,t)，如下图所示。
------------------------------------------------------------
------------------------------------------------------------
3 Visual SLAM
4 Robustness Techniques
参考：SFU 浙江大学 计算机视觉课程 谭平教授 https://www.jiqizhixin.com/articles/19052902