SLAM算法实习生-实习面试准备篇(1)
实习之前投了简历,在简历上介绍了自己掌握的一些知识和技能
这些东西面试是可能问到的,不妨把之前学过的知识认真梳理一下
既然是面试SLAM算法实习生,那就先从“视觉SLAM十四讲”入手,
SLAM概念:Simultaneous Localization and Mapping,译为“同时定位与地图构建”
指搭载特定传感器的主体,在没有环境先验知识的情况下,于运动过程中建立环境模型,同时估计
自身运动
如果传感器主要是相机,就称为Visual SLAM
学习SLAM的经验:
1,重视实践,SLAM是一项和实践紧密相关的技术,如果数学理论不能转化为可以运行的代码,就不能说有意义
2,应该避免“书看懂却不会编成”的情况
相机的分类:单目相机Monocular,双目相机Stereo和深度相机RGB-D
MonoSLAM:
通过移动相机估计它的运动(motion),同时估计场景中物体的远近和大小(structure)
具有尺度不确定性
StereoSLAM:
计算量大,不一定准确,并且相机的标定比较复杂
RGB-D SLAM:
传感器的噪声问题,容易受日光和环境干扰
经典Visual-SLAM框架:
1,传感器的信息读取,图像的读取和预处理; 如果在机器人里,需要读取惯性传感器等数据
2,视觉里程计(Visual Odometry VO)估计相邻图像间的运动,也称为“前端”(Front end)
3,后端优化(Optimization),后端接受不同时刻视觉里程计测量的相对位姿,以及回环检测信息,对它们
进行优化,得到全局一致的轨迹和地图,也称为“后端”(Back End)
4,回环检测(Loop Closing)判断机器人是否到达过先前的位置,如果检测到回环,它会把信息提供给后端
进行处理
5,建图(Mapping)根据估计的轨迹,建立与任务要求对应的地图
先到这里