RGB-D SLAM——点云拼接篇(二)

最新推荐文章于 2024-07-18 11:13:27 发布

Hansry

最新推荐文章于 2024-07-18 11:13:27 发布

阅读量3.6k

点赞数 1

分类专栏： SLAM Visual Odometry

本文链接：https://blog.csdn.net/Hansry/article/details/78035969

版权

这篇博客介绍了如何将OpenCV中的旋转向量和平移向量转换为Eigen变换矩阵，用于RGB-D SLAM中的点云拼接。通过俩帧点云的转换关系，实现了点云的融合，并展示了多帧图片点云拼接的过程，但注意到滤波可能引起点云失真问题，最后提到优化的重要性。

摘要由CSDN通过智能技术生成

1.OpenCv旋转向量平移向量转换为Eigen变换矩阵

在上一节中我们已经知道如何求出俩张图片的旋转向量和平移向量，那么接下来我们需要将旋转向量和平移向量转换成平移矩阵，可以使用Eigen工具来实现：

Eigen::Isometry3d cvMat2Eigen(cv::Mat &rvec,cv::Mat &tvec)
{
    cv::Mat R;
    cv::Rodrigues(rvec,R);//罗德里格旋转公式，将3x1的旋转向量转换成3x3的旋转矩阵
    Eigen::Matrix3d r; //the matrix are 3x3，类型为double
    cv::cv2eigen(R,r)；//将cv格式的矩阵(Mat类型的)转换成Eigen类型的Matrix
    Eigen::Isometry3d T=Eigen::Isometry3d::Identity();//旋转和平移的集合,4*4的矩阵
    Eigen::AngleAxisd angle(r); 
    Eigen::Translation<double,3> trans(tvec.at<double>(0,0),tvec.at<double>(0,1),tvec.at<double>(0,2));
    T=angle;  //完成旋转矩阵的存储
    T(0,3)=tvec.at<double>(