4月第一周周报

周报 #

1. 正在看ORB SLAM，准备看完看VDO SLAM
2. VDO SLAM是学长的基础系统，图优化部分没有做修改，在Tracking部分与VDO SLAM有差异。
3. 还有一个Air DOS 也是基于ORBSLAM的，加入了人的跟踪和汽车刚体的动态跟踪，用于图优化。

目前弄懂的 #

1. 了解特征点描述子的计算方法，提取像素周围点对，计算灰度差异，得到描述子。
2. 三角化获取深度，或者视差表示特征点深度，或者激光雷达直接获取深度。这是获取特征点，地图点的主要方法。
3. 了解获取相机位姿的几何方法如PnP，Fundamental Matrix，Essential Matrix，Homography Matrix。（个人觉得这些是调用OpenCV的库函数）
4. 了解RANSAC算法排除outliers，得到inliers的方法。
5. 相机位姿和特征点的坐标可以用于BA图优化，在g2o中，定义vertex，重写edge compute error即可。
6. BOW把Keyframe抽象成一个词袋，词带就是不同描述子转变为Word之后的数量统计，这个Computeword需要一份Vocabulary，在大型数据上预先聚类好的。

不懂的 #

1. ORBSLAM怎么进行回环检测的？应该是在BOW词带中找到相似的词带吧？
2. ORBSLAM利用BOW回环检测之后，如何更新地图还未了解。
3. 跟踪对象的位姿计算
4. 怎么把跟踪对象的位姿和特征点信息用于图优化 推测是这样的：estimation是相机位姿$P_1$（SE3表示），observation是动态对象的位姿$P_2$（SE3表示），他们之间的约束可能是$P_1 = T_{12}P_2$，$T_{12}$是相机位姿和动态对象位姿之间的变换矩阵。那么对应的error就是 $$e = Robust Kernel(T_{12}^{-1}P_1P_2^{-1})$$
5. 求解用到的各种线代知识各种分解，是矩阵分析的内容吗？QR、SVD、LU分解等等。
6. 优化的数学理论，李群李代数，优化技术？我觉得这个就是用g2o或者google ceres。
7. 上面数学部分我有抽时间看，他们花的时间多，但是看完留下的印象不多。
8. 滤波的方法也还没看