简介
SLAM是Simultaneous Localization and Mapping缩写，中文译作“同时定位与
地图构建”，它是指搭载特定传感器的主体，在没有环境先验信息的情况下，于运动过程中建立环境的模型，同时估计自己的运动 。
当传感器主要为相机时，称为“视觉SLAM”也就是本笔记学习的重点。
SLAM 的目的：解决“定位”与“地图构建”这两个问题。也就是说，一边
要估计传感器自身的位置，一边要建立周围环境的模型
经典SLAM框架
- 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。如果在机器人中，还可能有码盘、惯性传感器等信息的读取和同步。
- 视觉里程计 (Visual Odometry, VO) 视觉里程计任务是估算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（Front End）。
- 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。由于接在 VO 之后，又称为后端（Back End）。
- 回环检测（Loop Closing）回环检测判断机器人是否曾经到达过先前的位置。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。
参考自《视觉SLAM十四讲》张翔