高博的一起做RGB-D SLAM 简单总结的流程框图

细节想看原网址 

1、https://www.cnblogs.com/gaoxiang12/p/4669490.html  

一起做（4）jointPointCloud.cpp

两帧深度相机采集的图像拼接成点云地图

1、设备：RGB-D相机 采集得到彩色图和深度图，在这里认为其采集的两幅图像是同步的；

2、相机采集的图像因镜头原因会发生畸变，所以需要对摄像头进行畸变校正，这样就可以运用matlab自带的棋盘格标定方法完成相机内参的标定；

3、对RGB图进行特征提取与描述子的计算，利用上述特征进行两帧图像的匹配，将匹配得到的两组点集利用PNP算法，得到旋转与平移向量

4、将两帧图形成的点云图经过变换矩阵，既可得到拼接后的点云图

 2、https://www.cnblogs.com/gaoxiang12/p/4719156.html

一起做（5）slamBase.cpp

v   多帧深度相机采集的图像拼接成点云地图完成一个视觉里程计

v   什么是视觉里程计呢？简而言之，就是把新来的数据与上一帧进行匹配，估计其运动，然后再把运动累加起来的东西

3、https://www.cnblogs.com/gaoxiang12/p/4739934.html

一起做（6）slamEnd.cpp

v   这样的视觉里程计存在的问题

1、一旦出现了错误匹配，整个程序就会跑飞。

2、误差会累积。常见的现象是：相机转过去的过程能够做对，但转回来之后则出现明显的偏差。

3、效率方面不尽如人意。在线的点云显示比较费时。

v   解决办法

加入姿态图（pose graph）

以g2o软件包进行图优化

4、https://www.cnblogs.com/gaoxiang12/p/4754948.html

一起做（7）slam.cpp

v   G2o软件包也可以用来进行回环检测，丢失恢复等工作。

v   加入简单的回环检测（这个可能存在细节误差，回环检测之后仍然会继续提取关键帧，最后还是一起优化，不知道为什么没有对回环进行立即优化，也可能理解有问题）