- 博客(3)
- 收藏
- 关注
RSS订阅原创 CNN-SVO论文解读
svo在初始化地图点时，有更大的深度不确定性，图1a由于有更大的极线搜索范围，导致了错误的特征匹配这篇论文提出了一个新的地图点初始化方法，基于单图像深度预测神经网络的深度先验（以预测的深度为中心将有更小的方差），因此对应特征点的识别的不确定性减小（如图1b）。由于更好的特征匹配和深度不确定的减小，地图点的深度将会更快的收敛svo算法的综述略改进的地图点初始化cnn-svo能够获得更好的均值估计和更小的初始方差。给定一系列三角测量的深度，深度滤波器的作用是把好的测量从坏的测量中分离出来：好的测量.
2021-05-31 21:55:42
611
1
原创 视觉slam14讲第二版ch7的pose_estimation_2d2d.cpp的代码注释（自己理解的）
按我自己的理解，注释了视觉slam14讲第二版ch7的pose_estimation_2d2d.cpp#include <iostream>#include <opencv2/core/core.hpp>#include <opencv2/features2d/features2d.hpp>#include <opencv2/highgui/highgui.hpp>#include <opencv2/calib3d/calib3d.hpp>
2021-04-28 21:10:52
455
2
原创 奇异值分解SVD
奇异值分解SVD（第一次写博文，不好的地方望理解）写在前面SVD写在前面第一次写博文，把这里当做自己的学习总结的地方，如果有不对的地方可以评论或者私信我，希望大家不吝赐教！SVDSVD，中文称作奇异值分解，我先说说我为什么会学这个，我是在看视觉slam十四讲的时候，如何在已知两张图像上的匹配点的像素的情况下，估计相机的运动，里面提到了本质矩阵，对本质矩阵进行奇异值分解。学过线性代数的都知道，方阵可以求解特征值和与特征值对应的特征向量，但是，这个只是针对方阵而言的。对于非方阵，比如Amxn，这里的m
2021-04-28 20:45:51
130
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人