对相关视觉SLAM框架式整理
自己翻译并整理的，若有误麻烦指出来，谢谢！
SLAM的基础概念：
利用平台操作SLAM系统采集的数据，构建周围世界的地图，并在地图中同时定位自身。平台上搭载的传感器具有多种功能，如单目摄像头、双目摄像头、立体摄像头、RGB-D摄像头、激光雷达等。
有关SLAM的摘要
SLAM技术在计算机视觉和机器人领域中占有重要地位。（SLAM）系统大多基于小区域静态环境。传统的SLAM框架采用了较强的静态世界假设，便于分析。如何应对动态环境是一个非常重要而又备受关注的问题。现有的面向动态场景的SLAM系统要么只利用语义信息，要么只利用几何信息，要么以松散耦合的方式天真地组合它们的结果。
视觉SLAM概念
当传感器是视觉传感器时，该系统称为视觉SLAM系统（visual SLAM system）
当传感器是激光传感器时，该系统称为视觉SLAM系统（laser SLAM system）
视觉SLAM是智能移动机器人研究中的一项重要技术，它通过构建或更新一个未知环境的地图，同时跟踪其姿态。
视觉 SLAM（visual SLAM）是以图像作为主要环境感知信息源的SLAM系统，可应用于无人驾驶、增强现实等应用领域，是近年来的热门研究方向。典型视觉SLAM算法以估计摄像机位姿为主要目标，通过多视几何理论来重构3D地图。为提高数据处理速度，部分视觉 SLAM算法是首先提取稀疏的图像特征，通过特征点之间的匹配实现帧间估计和闭环检测，如基于SIFT（scaleinvariant feature transform）特征的视觉 SLAM和 基于ORB（oriented FAST and rotated BRIEF）特征的视觉 。SIFT 和 ORB 特征凭借其较好的鲁棒性和较优的区分能力以及快速的处理速度，在视觉 SLAM 领域受到广泛应用。
视觉SLAM流程
- 传感器信息读取。在视觉SLAM中主要为相机图像信息的读取和预处理。
- 视觉里程计（VO）。视觉里程计的任务是估计相邻图像间相机的运动，以及局部地图的样子。（VO又称为前端）
- 后端优化(Optimization)。后端接受不同时刻视觉里程计测量的相机位姿，以及回环检测的信息，对它们进行优化，得到全局一致的轨迹和地图。
- 回环检测（Loop Closing）。回环检测判断机器人是否达到过先前的位置。如果检测到回环，它会把信息提供给后端进行处理。
- 建图（Mapping）。它根据估计的轨迹。建立与任务要求对应的地图。
步骤
视觉SLAM通常有以下步骤:首先，系统读取并预处理获取的数据。其次，根据邻接数据计算摄像机的运动和局部映射。第三，优化和调整相机姿态在不同的时间。然后，环回检测消除累积错误，并最终建立一个完整的地图。该技术越来越多地用于未知环境的三维重建和导航机器人姿态估计。
视觉里程计
视觉里程计也称为帧间估计(inter-frame motion estimation)，是通过分析关联摄像机图像之间的多视几何关系确定机器人位姿与朝向的过程，可作为视觉 SLAM 的前端。相较于传统的基于稀疏特征或稠密特征的帧间估计方法，基于深度学习的方法无需特征提取，也无需特征匹配和复杂几何运算，使得基于深度学习的方法更加直观简洁。
