SLAM
文章平均质量分 86
zhubaohua_bupt
这个作者很懒,什么都没留下…
展开
-
利用kalibr工具进行camera-IMU标定
camera-IMU标定一camera-IMU标定简述1标定目的:我们进行camera-IMU的目的是为了得到IMU和相机坐标系的相对位姿矩阵T。2标定工具:我们利用Kalibr标定工程对camera-IMU进行标定,链接https://github.com/ethz-asl/kalibr/wiki/calibrating-the-vi-sensor.以下内容是在对在camera-IMU成功标定后...原创 2018-05-07 10:36:53 · 26375 阅读 · 4 评论 -
SVO深度解析(三)之深度滤波(建图部分)
SVO深度滤波原理详细解析原创 2017-07-10 11:46:29 · 5448 阅读 · 3 评论 -
ORBSLAM2单目初始化过程
ORB单目模式的初始化过程可以分为以下四个阶段:1 通过匹配选取两个可以作为起始两帧的初始帧2 根据匹配计算两帧之间的位姿3 三角化测量初始的特征点云深度,进而获得点云地图。4 BA优化初始点云在初始化后,单目模式和双目及RGBD模式一样,都是通过PNP来计算位姿。下面,说一下初始化算法的步骤:第一阶段:选取两个可以作为起始两帧的初始帧这一阶段做的工作是...原创 2017-11-17 15:17:48 · 11473 阅读 · 1 评论 -
高斯牛顿(Gauss Newton)、列文伯格-马夸尔特(Levenberg-Marquardt)最优化算法与VSLAM
高斯牛顿(Gauss Newton)、列文伯格-马夸尔特(Levenberg-Marquardt)最优化算法与VSLAM中的具体应用原创 2017-07-11 15:01:37 · 23344 阅读 · 5 评论 -
SLAM优化位姿时,误差函数的雅可比矩阵的推导。
本篇博客是介绍的是,在直接法VO中,用最小二乘迭代优化位姿时,误差函数对于位姿扰动的雅可比矩阵。此雅可比矩阵决定着下一步最小二乘最优迭代估计时,位姿增量的方向。因此十分重要。原创 2017-06-30 17:35:04 · 18523 阅读 · 13 评论 -
ORB特征点
绪论假如我有2张美女图片,我想确认这2张图片中美女是否是同一个人。这太简单了,以我专研岛国动作片锤炼出来的火眼金睛只需轻轻扫过2张图片就可以得出结论。但是,如果我想让计算机来完成这个功能就困难重重了:再性感的美女在计算机眼中也只是0-1组成的数据而已。一种可行的方法是找出2张图片中的特征点,描述这些特征点的属性,然后比较这2副图片的特征点的属性。如果有足够多的特征点具有相同的属性,那么就可转载 2017-04-17 08:33:18 · 2753 阅读 · 0 评论 -
SVO深度解析(一)之简介和评价
SVO论文源码深度解析原创 2017-07-08 14:53:00 · 7569 阅读 · 0 评论 -
SVO深度解析(二)之跟踪部分
SVO跟踪部分详细解析原创 2017-07-10 11:42:32 · 5005 阅读 · 4 评论 -
SVO-REMODE编译运行方法
///////////////////////////////////////////////////////////////////作者:朱保华REMODE+SVO编译运行方法。///////////////////////////////////////////////////////////////////***********************************原创 2016-12-23 16:46:05 · 4596 阅读 · 0 评论 -
三角测量恢复深度
转载请说明出处:http://blog.csdn.net/zhubaohua_bupt/article/details/74926111本文介绍一下,三维重建时,在极线搜索匹配后,怎么由匹配像素对来恢复像素的深度信息。对于线性方程Ax=b,其最小二乘解为x=(A.transform() * A).inverse() * A *, https://blog.cs...原创 2017-07-10 16:03:23 · 6845 阅读 · 4 评论 -
视觉SLAM应用分析
视觉SLAM综述,视觉SLAM应用分析原创 2017-07-13 11:20:53 · 4834 阅读 · 0 评论 -
Monocular slam 理论基础(1)
前言 LSD-SLAM和ORB-SLAM的出现,使得单目slam最近成为了研究热点。单目SLAM一般处理流程包括track和map两部分。所谓的track是用来估计相机的位姿。而map部分就是计算pixel的深度,如果相机的位姿有了,就可以通过三角法(triangulation)确定pixel的深度,把这些计算好深度的pixel放到map里就重建出了三维环境。 主要内容转载 2016-11-14 15:07:59 · 895 阅读 · 0 评论 -
Monocular slam 理论基础(2)
三角法求深度(triangulation) 在知道了相机的轨迹以后,使用三角法就能计算某个点的深度,在Hartley的《Multiple view Geometry》一书中第10章、第12章都是讲的这个,这里只讲解线性求解方法。 对于三维空间中的一点 P,我们假设第一个摄像机坐标系C1就是世界坐标系,P在世界坐标系下的表示为P=(x,y,z,1)T,这时,摄像机坐标系转载 2016-11-14 15:10:08 · 599 阅读 · 0 评论 -
非滤波单目视觉SLAM系统研究
非滤波单目视觉SLAM系统研究A survey on non-filter-based monocular Visual SLAM systemsTaylor Guo, 2016年9月12日 摘要滤波(卡尔曼滤波,粒子滤波)视觉SLAM更通用,非滤波(运动结构估计)方案更有效率。本文讲解各种视觉SLAM构建方法及其组成部分。 一 简介基于相机的定位有两种方法。一种转载 2017-01-11 16:31:34 · 2612 阅读 · 0 评论