开始学习SLAM。
1. SLAM 与视觉 SLAM 是啥
SLAM 是 Simultaneous Localization and Mapping 的缩写，中文译做“同时定位与地图构建”。 它定义的是这样一种技术： 在不知道周边地形的条件下，一个带有传感器的主体（如扫地机器人）通过自身运动和对传感器数据的分析， 同时建模自己的运动信息和周边地形。具体来说，建模“运动”，就是计算主体旋转了多少、平移了多少；而地形建模， 就是建立一个地图（如点云地图）。
视觉 SLAM，也即 Visual SLAM/VSLAM, 是指使用的传感器主要是相机。除了视觉 SLAM，还有 激光 SLAM(Lidar SLAM).
2. 当前 SLAM 问题的拆解
目前，SLAM 核心分三大部分： 视觉里程计（前端），回环检测，后端优化。
视觉里程计： Visual Odometry, VO. 里程计，就是度量里程的工具，视觉里程计就是说通过视觉度量里程的工具。
通过连续图像的变化，估算相邻图像间相机的运动，以及局部地图。有累计误差。
回环检测： Loop Clousure Detection. 检测是否回到了原来经过的位置。传给后端，用于消除VO的累计误差。 通过判断当前经过的位置是否曾经也经过，就完成了回环检测。在环境上做标记是最贱的方法，但不通用。 故一般就是做图像匹配，找到和历史相似的图片，就完成了回环确认。
后端优化： Optimization. 接受视觉里程计和回环检测，做优化，得到全局一致的轨迹和地图。
前端和计算机视觉更相关（如图像特征提取和匹配）； 后端主要是滤波和非线性优化算法。
从历史上来说，现在的后端在很长一段时间就被直接称为 SLAM研究，其被定位为一个状态估计问题。
3. SLAM问题的数学表述
描述性介绍：
在一个场景中，有一个运动物体，其知道每个时刻 $k$ 的
-
运动输入：里程计，如与上个时刻相比，平移了多少距离，旋转了多少角度
-
观测情况：对场景中的可观测路标(LandMark)，物体相距各路标的位置
每个运动输入、观测情况都是有噪声的。
基于上面的已知，要求物体的位置，以及场景地图。
对应公式表述：
物体在 $t = 1, 2, \dots, K$ 连续时刻的每个位置 $x_k$, 有在该位置的运动输入 $u_k$；对环境中的路标$y_j$, 有观测数据 $z_{k,j}$ .
则构建运动方程 $ f $：
\[x_k = f(x_{k-1}, u_k, w_k)\]其中 $w_k$ 为运动中噪声。
观测方程 $ h $:
\[z_{k,j} = h(y_j, x_k, v_{k,j})\]其中 $v_{k,j}$ 是观测噪声。
随物体运动，我们已知每个时刻的运动输入 $u_k$， 观测输入 $z_{k,j}$, 且上述输入有未知噪声， 求
- $x$, 物体的位置——即求解定位
- $y$, 路标的位置——即求解建图
由上，这也解释了SLAM为何是一个状态估计问题：是要通过有噪声测量数据（运动、观测）， 去估计内部隐藏的状态（位置，地图）。