- 博客(127)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 ORB_SLAM3_优化方法 InertialBA
关键帧创建的帧率降低，将有更多的时间进行LocalInertialBA优化，所以窗口大小扩大为。的主要作用是联合视觉和IMU信息优化当前关键帧的局部地图，主要用在。当Tracking线程跟踪的地图点超过。进行联合优化，主要作用在。
2024-02-19 17:44:42
720
原创 ORB_SLAM3 IMU初始化
因为在IMU初始化阶段假设biases为常数，所以IMU残差中不包含biases的随机游走。首先，对齐IMU轨迹与纯视觉轨迹，求解尺度、关键帧的速度、重力方向、IMU的biases。众所周知，重力和加速度的bias往往是耦合的，大多数情况下很难区分开，避免或者缓解的方法。问题：如果对于IMU参数没有比较好的初值，那么。将不能很快收敛，特别耗时，而且容易陷入局部最优。帧的位姿和速度以及3D点。对齐，bias需要更新，
2024-02-19 09:57:30
512
原创 ORB_SLAM3 LocalMapping中CreateNewMapPoints
在的中，通过与新插入关键帧中ORB特征进行匹配，并抛弃其中的匹配点对，接着通过生成地图点。
2024-01-14 23:52:32
932
原创 ORB_SLAM3 LocalMapping中关键帧的处理ProcessNewKeyFrame和地图点的筛选MapPointCulling
更新关键帧中的地图点的属性，并更新和其他关键帧的连接。中新增的地图点，并剔除质量不好的地图点。主要的作用是更新关键帧之间的。已经检验过了，所以不再需要。中的关键帧，给关键帧添加。
2023-10-23 23:54:24
302
原创 [VINS-Mono]IMU预积分之PVQ 增量的误差、 协方差及 Jacobian
PVQ 增量的误差、 协方差及 Jacobian根据协方差矩阵的性质：y=Ax,x∈N(0,Σx)Σy=AΣxAT\begin{array}{c}y = Ax, x\in N\left(0, \Sigma _{x}\right) \\\Sigma_y = A \Sigma_{x}A^{T}\end{array}y=Ax,x∈N(0,Σx)Σy=AΣxAT则相邻时刻误差的线性传递方程：ηik=Fk−1ηik−1+Gk−1nk−1\eta_{ik} = F_{k-1} \eta_{i
2023-09-13 12:23:27
211
原创 [VINS-Mono]IMU预积分
的状态改变并不会对其产生影响，因此将其作为非线性优化变量，可以避免状态的重复传递。，这将导致的问题是：当每次迭代时，我们得到一个新的bais ，还需要根据预积分项。解决方法：当bias变换很小时，对bias进行一阶近似调整。对第k帧和第k+1帧之间的IMU预积分，时刻的状态有关，做优化时需要迭代更新第。与IMU的bais有关，而。时刻的状态，导致需要每次。帧的位置、速度以及旋转。进行中值积分，然后得到。进行积分，可以得到第。计算积分，为了不要使。，避免重新计算，但是。
2023-09-13 11:44:09
142
原创 [VINS-Mono]IMU预积分之PVQ 增量的误差、 协方差及 Jacobian(离散形式)
PVQ 增量的误差、 协方差及 Jacobian5.离散形式PVQ 增量误差在离散形式下的矩阵形式：[δαk+1δθk−1δβk+1δbak+1δbwk+1]=[If12δtf14f150f2200−δt0f32If34f35000I00000I][δαkδθkδβkδbakδbwk]+[g11g12g13g14000−12δt0−12δt00−12Rkδtg32−12Rkδtg34000000δt000000δt][naknwknak+1nwk+1nbnnbw]=F[δαkδθkδβkδbakδbw
2023-09-13 11:42:16
230
原创 [VINS-Mono]IMU预积分残差
残差由预积分[pwbjqwbjvjwbjabjg]=[pwbi+viwΔt−12gwΔt2+qwbiαbibjqwbiqbibjviw−gwΔt+qwbiβbibjbiabig]\left[\begin{array}{c}\mathbf{p}_{w b_{j}} \\\mathbf{q}_{w b_{j}} \\\mathbf{v}_{j}^{w} \\\mathbf{b}_{j}^{a} \\\mathbf{b}_{j}^{g}\end{array}\right]=\left[\begi
2023-09-13 11:14:05
165
原创 ORB_SLAM3 Relocalization
为包含了PnP的所有内点的集合。为啥不在优化后赋值，主要是为了防止通过。中寻找和当前帧相似的关键帧作为匹配帧，进而恢复当前帧的位姿。的主要作用是通过将关键帧中的地图点投影到当前帧寻找两帧之间。为优化后的外点，那么再位姿优化，内点可能无法达标。主要是通过词袋搜索当前帧与候选关键帧的匹配，参考。进行匹配，这样避免了所有特征点之间的两两匹配。赋值是在PnP后，而不在优化后，说明。时，通过词袋在关键帧数据库。的作用是通过词袋模糊搜索在。为同一节点，再用节点下。，关键帧中的地图点不在。为更加抽象的簇，一个。
2023-08-15 16:03:49
107
原创 ORB_SLAM3 TrackLocalMap
TrackLocalMap通过TrackWithMotionModel或TrackReferenceKeyFrame的Frame to Frame跟踪得到了当前帧的初始位姿。为了得到更加精准的位姿，可以将局部地图投影到当前帧上得到更多的匹配实现Frame to Map，然后进一步优化当前帧的位姿1.UpdateLocalMapTrackLocalMap的第一步就是更新当前帧的局部地图，该地图包含：通过UpdateLocalKeyFrames更新局部关键帧：能观测到当前帧地图点的共视关键帧1中
2023-08-07 09:00:00
337
原创 ORB_SLAM3 TrackReferenceKeyFrame
对于词汇树，它是由一堆图像离线训练而来的，首先对训练的图像计算。进行匹配，这样避免了所有特征点之间的两两匹配。两帧图像特征匹配类似，先对比。特征点，然后把这些特征点放在一起，通过。的树，除了叶子之外，每个节点都有。从词汇树中可以看出，如果想比较两个东西，那么先用。然后对每簇，再次通过。)以及一个正向索引表(对它们聚类， 将之分为。为同一节点，再用节点下。函数将当前帧的描述子。为更加抽象的簇，一个。
2023-07-31 09:00:00
220
原创 ORB_SLAM3 TrackWithMotionModel
虽然在开始设置了位姿，但是没有参与优化，因此在下一次跟踪时，需要用。，为什么要更新上一帧的位姿，主要是在ORB_SLAM中优化的是。首先，假设两帧之间的变换近似，根据速度设置当前帧的初始位姿。是什么：当跟踪成功或者刚刚跟丢，会更新该速度，该速度表示。中的预积分测量值更新(bias更新，一阶近似)利用参考关键帧更新上一帧在世界坐标系下的。得到上一帧与当前帧的匹配关系后，利用。来预测当前帧的状态，就不用通过。预测当前帧的位姿与速度时，采用。注意：这里可以参考前面的。的位姿更新上一帧的位姿。
2023-07-24 23:01:17
338
原创 SG-SLAM: A Real-Time RGB-D Visual SLAM Toward Dynamic Scenes With Semantic and Geometric Information
SG-SLAM使用LK光流法计算特征匹配，然后去除位于图像边缘的匹配点对，以及差异过大的，减少错误的匹配，采用基于RANSAC的七点法计算两帧之间的基本矩阵。仅用关键帧构建语义地图，当一个新的关键帧到达时，语义地图线程立即使用它的深度图像和姿态来生成三维点云。动态点判断方法：计算当前帧的特征点与其对应的极线之间的距离。距离越大，特征点的动态越有可能。因此，RANSAC算法可以有效地减少动态区域错误数据关联的不利影响。
2023-07-20 14:59:45
910
原创 [2023]RGB-D-Inertial SLAM in Indoor Dynamic Environments with Long-term Large Occlusion
以RGB-D相机和IMU作为输入，与ORB_SLAM3类似，分别估计poseTiT_{i}Ti、速度viv_{i}vi、以及biasbabgbabg对于深度图像，将其分割为K个类，对于深度无效的分为第K+1类，对于每一簇，有个score代表静止的可能性，另外，假设同一簇的所有像素点具有相同的分数对于BA，使用滑窗内的共视关键帧和这些关键帧观测到3D地图点XX0⋯XL−1XX0⋯XL−1, 分数Bβ0⋯βMB。
2023-06-29 11:02:12
276
原创 ORB_SLAM3 IMU预积分PreintegrateIMU
这篇博文主要分享ORB_SLAM3中Tracking::PreintegrateIMU()，其主要包括几个部分：获得两帧之间的IMU数据中值积分IMU状态更新关于IMU的理论推导参考：ORB_SLAM3_IMU预积分理论推导(预积分项)ORB_SLAM3_IMU预积分理论推导(噪声分析)ORB_SLAM3_IMU预积分理论推导(更新)ORB_SLAM3_IMU预积分理论推导(残差)1.获得两帧之间的IMU数据主要是为了获取当前帧和前一帧之间的IMU数据，以便用于后续的IMU预积分
2023-06-22 19:39:34
639
3
原创 ros::spin()和ros::AsyncSpinner
是一个单线程，它根据消息到达的时间一一执行对应的回调函数，只有当前一个回调函数执行结束后，新的回调函数才能执行，：是一个多线程，将为每个回调函数创建一个自己的线程，这样就不存在。
2023-06-22 14:47:38
597
原创 [2022]DyOb-SLAM : Dynamic Object Tracking SLAM System
[2022]DyOb-SLAM : Dynamic Object Tracking SLAM System
2023-06-21 10:44:38
478
原创 ORB SLAM3 构建Frame
矩在圆中以行的方式进行计算，首先计算v=0行，上下两行中对应的点为。将特征点分配到网格中主要的作用：加速特征点的搜索。对于金字塔的每一层，将其网格化，每个格子大小为。在四叉树均匀化后，将特征点坐标变换到。示例：目标特征点数(20)个点，两两相互比较，生成。提取到的角点的原点位于。组点对，每组点对包含。
2023-05-28 18:47:42
974
原创 我的创作纪念日(划水...)
提示：你过去写得最好的一段代码是什么？提示：当前创作和你的工作、学习是什么样的关系。提示：可以和大家分享最初成为创作者的初心。提示：在创作的过程中都有哪些收获。提示：职业规划、创作规划等。
2023-04-24 20:14:59
320
原创 ORB_SLAM3_优化方法 Pose优化
主要的作用是利用上一关键帧和当前关键帧的视觉以及IMU信息来优化当前帧的位姿，主要用在。对于先验信息公式推导，未完待续。
2023-04-16 14:49:57
566
原创 ORB_SLAM3_IMU预积分理论推导(残差)
残差预积分的测量值采用一阶近似修正，免去了积分重新运算，降低计算量状态包含：Ri,pi,vi,Rj,pj,vj,δbig,δbia\mathbf{R}_{i}, \mathbf{p}_{i}, \mathbf{v}_{i}, \mathbf{R}_{j}, \mathbf{p}_{j}, \mathbf{v}_{j}, \delta \mathbf{b}_{i}^{g}, \delta \mathbf{b}_{i}^{a}Ri,pi,vi,Rj,pj,vj,δbig,δbia，其中关于
2023-04-10 10:26:55
612
原创 ORB_SLAM3_IMU预积分理论推导(更新)
预积分测量值更新当bias不发生变化时ΔR~ij−1→ΔR~ij\Delta \tilde{R} _{ij-1}\to \Delta \tilde{R}_{ij}ΔR~ij−1→ΔR~ijΔR~ij=∏k=ij−1Exp((ω~k−big)Δt)=∏k=ij−2Exp((ω~k−big)Δt)⋅Exp((ω~j−1−big)Δt)=ΔR~ij−1⋅ΔR~j−1j\begin{array}{l}\Delta \tilde{\mathbf{R}}_{i j}=\prod_{k=i}^{j
2023-04-09 20:53:36
481
原创 ORB_SLAM3_IMU预积分理论推导(预积分项)
误差1.确定性误差Bias：偏置Scale：实际数值和传感器输出值之间的比值。Misalignment：非正交误差。标定的方法：六面法标定加速度。2.随机误差Allan方差随机游走IMU器件测量模型1.角标符号说明b：body坐标系a：加速计(acc)g：陀螺仪(gyro)w：世界坐标系d：离散(discrete)2.假设假设：地球是静止的，忽略自转，运行平面为水平面，重力指向固定，模值恒定。运行场景小；运行时间短；精度低(mems)；3.测量
2023-04-09 20:47:14
975
原创 ORB_SLAM3 单目初始化
单目初始化单目初始化通过前后两帧图像进行特征匹配，得到他们之间的匹配关系后，通过H或者F恢复两帧之间的运动，并通过三角化生成地图点1.接口void Tracking::MonocularInitialization()2.步骤单目初始化的大致步骤如下：创建单目初始化器，并创建当前帧和来自上一关键帧的IMU预积分mCurrentFrame.mpImuPreintegrated：当前帧的IMU预积分mpImuPreintegratedFromLastKF：来自上一关键帧的IMU预积分
2023-04-05 23:34:53
445
原创 【四】相机标定
张氏标定法的原理1.单应性矩阵H的计算根据针孔相机模型，可以得到如下表达式：s[uv1]=A[Rt][XWYWZW1]=A[r1r2r3t][XWYWZW1]s\left[\begin{array}{l}u \\v \\1\end{array}\right]=A\left[\begin{array}{ll}R & t\end{array}\right]\left[\begin{array}{c}X_{W} \\Y_{W} \\Z_{W} \\1\end{array}\r
2022-05-22 15:25:56
709
原创 [Cartographer]AddTrajectory
AddTrajectory从Node::StartTrajectoryWithDefaultTopics()进来后，开始使用函数Node::AddTrajectory添加轨迹int Node::AddTrajectory(const TrajectoryOptions& options) { const std::set<cartographer::mapping::TrajectoryBuilderInterface::SensorId> expected_sen
2022-03-30 18:23:49
1590
原创 [Cartographer]初始化
[Cartographer]初始化[Cartographer]传感器数据流1.Cartographer文件树cartographer算法包括cartographer和cartographer_ros两部分，其中cartographer为算法的核心实现，cartographer_ros为算法和ROS的对接的桥梁，方便用户使用。.├── cartographer│ ├── bazel│ │ └── third_party│ ├── cartographer│ │ ├──
2022-03-30 14:49:18
500
原创 [Cartographer]传感器数据流
传感器数据流A.Node开始建图node.StartTrajectoryWithDefaultTopics(trajectory_options);添加轨迹，订阅话题int Node::AddTrajectory(const TrajectoryOptions& options){ .... LaunchSubscribers(options, trajectory_id);}在LaunchSubscribers中调用传感器的回调函数void Node::Han
2022-03-28 11:00:37
1897
原创 [2020]The STDyn-SLAM
[2020]The STDyn-SLAM: A stereo vision and semantic segmentation approach for SLAM in dynamic outdoor environments1.作者Daniela Esparza and Gerardo Flores代码：GitHub - DanielaEsparza/STDyn-SLAM: STDyn-SLAM: A Stereo Vision and Semantic Segmentation Approach
2022-03-06 15:36:36
446
原创 基于视觉的移动平台运动目标检测
1.声明 本文为自己的研究总结，内容可能有些不全面，不客观，但都是自己根据阅读的各类文献总结而来。这篇博文主要介绍的是基于视觉的移动平台运动目标检测，写这篇博文的目的主要是对自己一个阶段性总结。2.引言 运动目标检测一直是计算机视觉领域研究的热点，同样也是很多应用的基础，比如：SLAM，交通监控等等。运动目标检测其实就是从图像序列中检测出运动目标。当然，检测出运动目标后，就可以做许多其他的事情，比如说，估计目标的速度，预测目标的状态等等。3.重要性 我们身处一个动态的世界，比如，车辆在马路上
2021-11-01 20:13:31
5621
7
原创 Dual-SLAM: A framework for robust single camera navigation
题目Dual-SLAM: A framework for robust single camera navigation作者Huajian Huang, Wen-Yan Lin*, Siying Liu, Dong Zhang, Sai-Kit Yeung时间2020内容1.问题局部位姿估计经常失败，造成整个SLAM系统异常脆弱，也造成地图的不一致。2.方法保存当前地图，初始化两个新的线程：SLAM线程：通过新进来的帧创建新的地图。恢复SLAM线程：跳过失败的部分，连接新的地图和
2021-08-21 20:19:20
261
1
原创 [ROS]问题记录
1.rosbag相关1) ERROR bag unindexed: xxxx-xx-xx-xx-xx.bag. Run rosbag reindex.问题描述：运行rosbag info，出现如下信息：ERROR bag unindexed: xxxx-xx-xx-xx-xx.bag. Run rosbag reindex.运行rosbag play xx.bag，出现如下信息：[ INFO] [1624972506.447439941]: Opening 2021-6-23-0103
2021-08-16 10:32:11
865
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人