pnp网络摄像机(pnp网络摄像机手机版教程)太疯狂了

SLAM 技术的发展距今已有 30 余年的历史，涉及的技术领域众多。由于本身包含许多步骤，每一个步骤均可以使用不同算法实现，SLAM 技术也是机

 

SLAM 技术的发展距今已有 30 余年的历史，涉及的技术领域众多由于本身包含许多步骤，每一个步骤均可以使用不同算法实现，SLAM 技术也是机器人和计算机视觉领域的热门研究方向目前视觉SLAM方法研究已取得较大的进步，在定位制图精度与效率上可满足部分简单场景的应用需求。

但视觉信息的获取始终受环境纹理丰富度的影响，环境光照及不稳定的运动模式更是加大了视觉信息的处理难度，视觉SLAM在复杂环境下的运行稳健性仍待提高当前，研究人员通过进一步挖掘图像信息可用性，并融合其他类型传感器数据，试图实现更为稳健的SLAM方法，提高复杂环境下的定位与制图适应性。

当前，随着卫星定位导航技术的普及与应用，相应的定位导航服务可通过导航卫星接收机而获得然而，在太空、地下、室内等无导航卫星信号的环境中，机器人的定位导航与环境感知面临更大挑战视觉SLAM作为一种自主定位与环境感知的重要手段，可为机器人的自主作业提供基础数据。

SLAM的常用传感器：SLAM常用的传感器有红外传感器，激光雷达或者深度传感器，摄像头，惯性传感器：红外传感器：主要应用在较近距离的感应，常用于扫地机器人激光雷达或者深度传感器：会应用在自动驾驶中，因为自动驾驶需要高精度地图，而高精地图的获取很大程度依赖激光雷达以及摄像头。

激光雷达有单线多线之分，角分辨率及精度也各有千秋摄像头：单目、双目、单目结构光、双目结构光、多目等自动驾驶领域中,所应用的摄像头主要有单目摄像头和双目摄像头两类单目主要是可见光摄像头,双目由一个可见光摄像头加一个红外光摄像头组成。

惯性传感器（英文叫做IMU,包括陀螺仪，加速度计）：智能手机标配惯性测量单元（IMU）通过内置的陀螺仪和加速度计可以测量角速度和加速度，进而推算相机的姿态视觉传感器对于无纹理的区域是没有办法工作的惯性测量单元（IMU）通过内置的陀螺仪和加速度计可以测量角速度和加速度，进而推算相机的姿态，不过推算的姿态存在累计误差。

视觉传感器和IMU存在很大的互补性，因此将二者测量信息进行融合的VIO也是一个研究热点按照信息融合方式的不同，VIO又可以分为基于滤波的方法、基于优化的方法VIO的代表算法有EKF、MSCKF、preintegration、OKVIS等。

Google的Tango平板就实现了效果不错VIO总的来说，相比于基于激光雷达和基于深度相机的SLAM，基于视觉传感器的vSLAM和VIO还不够成熟，操作比较难，通常需要融合其他传感器或者在一些受控的环境中使用。

视觉SLAM主要是基于相机来完成环境的感知工作，相对而言，相机成本较低，容易放到商品硬件上，且图像信息丰富，因此视觉SLAM也备受关注根据匹配点对，估计相机运动当相机为单目时，我们只知道 2D 的像素坐标，因而问题是根据两组 2D 点估计运动。

该问题用对极几何来解决当相机为双目、RGB-D 时，或者我们通过某种方法得到了距离信息，那问题就是根据两组 3D 点估计运动该问题通常用 ICP 来解决如果我们有 3D 点和它们在相机的投影位置，也能估计相机的运动。

该问题通过 PnP求解目前，视觉SLAM可分为单目、双目（多目）、RGBD这三类，另还有鱼眼、全景等特殊相机，但目前在研究和产品中还属于少数，此外，结合惯性测量器件（Inertial Measurement Unit，IMU）的视觉SLAM也是现在研究热点之一。

从实现难度上来说，大致将这三类方法排序为：单目视觉＞双目视觉＞RGBD

单目相机SLAM简称MonoSLAM，仅用一支摄像头就能完成SLAM最大的优点是传感器简单且成本低廉，但同时也有个大问题，就是不能确切的得到深度一方面是由于绝对深度未知，单目SLAM不能得到机器人运动轨迹及地图的真实大小，如果把轨迹和房间同时放大两倍，单目看到的像是一样的，因此，单目SLAM只能估计一个相对深度。

另一方面，单目相机无法依靠一张图像获得图像中物体离自己的相对距离为了估计这个相对深度，单目SLAM要靠运动中的三角测量，来求解相机运动并估计像素的空间位置即是说，它的轨迹和地图，只有在相机运动之后才能收敛，如果相机不进行运动时，就无法得知像素的位置。

同时，相机运动还不能是纯粹的旋转，这就给单目SLAM的应用带来了一些麻烦而双目相机与单目不同的是，立体视觉既可以在运动时估计深度，亦可在静止时估计，消除了单目视觉的许多麻烦不过，双目或多目相机配置与标定均较为复杂，其深度量程也随双目的基线与分辨率限制。

通过双目图像计算像素距离，是一件非常消耗计算量的事情，现在多用FPGA来完成RGBD相机是2010年左右开始兴起的一种相机，它最大的特点是可以通过红外结构光或TOF原理，直接测出图像中各像素离相机的距离。

因此，它比传统相机能够提供更丰富的信息，也不必像单目或双目那样费时费力地计算深度

人体识别算法多摄像头切换展示