高博的一塊兒作RGB-D SLAM 簡單總結的流程框圖

細節想看原網址 

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

一塊兒作（4）jointPointCloud.cpp

兩幀深度相機採集的圖像拼接成點雲地圖

一、設備：RGB-D相機 採集獲得彩色圖和深度圖，在這裏認爲其採集的兩幅圖像是同步的；

二、相機採集的圖像因鏡頭緣由會發生畸變，因此須要對攝像頭進行畸變校訂，這樣就能夠運用matlab自帶的棋盤格標定方法完成相機內參的標定；

三、對RGB圖進行特徵提取與描述子的計算，利用上述特徵進行兩幀圖像的匹配，將匹配獲得的兩組點集利用PNP算法，獲得旋轉與平移向量

四、將兩幀圖造成的點雲圖通過變換矩陣，既可獲得拼接後的點雲圖

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

一塊兒作（5）slamBase.cpp

v   多幀深度相機採集的圖像拼接成點雲地圖完成一個視覺里程計

v   什麼是視覺里程計呢？簡而言之，就是把新來的數據與上一幀進行匹配，估計其運動，而後再把運動累加起來的東西

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

一塊兒作（6）slamEnd.cpp

v   這樣的視覺里程計存在的問題

一、一旦出現了錯誤匹配，整個程序就會跑飛。

二、偏差會累積。常見的現象是：相機轉過去的過程可以作對，但轉回來以後則出現明顯的誤差。

三、效率方面不盡如人意。在線的點雲顯示比較費時。

v   解決辦法

加入姿態圖（pose graph）

以g2o軟件包進行圖優化

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

一塊兒作（7）slam.cpp

v   G2o軟件包也能夠用來進行迴環檢測，丟失恢復等工做。

v   加入簡單的迴環檢測（這個可能存在細節偏差，迴環檢測以後仍然會繼續提取關鍵幀，最後仍是一塊兒優化，不知道爲何沒有對迴環進行當即優化，也可能理解有問題）