视觉slam14讲-第7讲-视觉里程计1

最新推荐文章于 2024-08-07 10:11:48 发布
最新推荐文章于 2024-08-07 10:11:48 发布
阅读量349 收藏 7
点赞数 7
文章标签： 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Linskual/article/details/136563713
版权
本文详细介绍了SLAM系统中视觉里程计的关键部分，包括ORB特征的使用、特征点的提取与匹配，以及基于2D-2D、3D-2D和3D-3D的不同相机运动计算方法，如PnP和ICP算法。
摘要由CSDN通过智能技术生成

这讲终于是涉及到slam核心内容了，视觉里程计，也就是所谓的前端，主要讲了以下两个问题：

  1. 怎么提取、匹配特征点？
  2. 怎么通过已经匹配的特征点去估计相机运动？

下面围绕这两个问题我们来聊聊~

内容

一、特征点的提取与匹配

首先得知道些基础知识，一个slam系统分为前端和后端，前端又被称为视觉里程计，它的核心问题就是：如何根据图像估计相机运动，由此可知它的主要作用就是：通过分析相邻帧之间的视觉信息来推测相机位姿变化。

特征点很好理解，就是图片里比较特别的地方，这里主要用ORB特征，包含两个东西：

  1. 关键点：Oriented FAST
  2. 描述子：BRIEF

ORB为啥好，因为它相对于其他特征，添加了尺度和旋转的描述，使得特征点不容易丢失，尺度不变性通过构建图像金字塔，旋转不变性通过灰度质心法

最低0.47元/天 解锁文章
kualcal
关注
  • 7
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Visual SLAM与视觉里程计（Visual Odometry）
zjpp2580369的博客
08-30 3021
https://blog.csdn.net/weixin_37251044/article/details/79009385 在里程计问题中，我们希望测量一个运动物体的轨迹。这可以通过许多不同的手段来实现。例如，我们在汽车轮胎上安装计数码盘，就可以得到轮胎转动的距离，从而得到汽车的估计。或者，也可以测量汽车的速度、加速度，通过时间积分来计算它的位移。完成这种运动估计的装置（包括硬件和算法）叫做...
SLAM之视觉里程计
lidb86的博客
10-10 400
转载 SLAM入门之视觉里程计 http://www.cnblogs.com/wangguchangqing/category/1134664.html
SLAM | 视觉SLAM中的前端：视觉里程计与回环检测
AI算法修炼营的博客
02-23 3389
点击上方“AI算法修炼营”，选择加星标或“置顶”标题以下，全是干货什么是SLAM？同时定位与地图构建 （simultaneous localization and mapping， SL...
SLAM——视觉里程计
zhzxlcc的博客
04-11 1732
视觉SLAM 主要分为视觉前端和优化后端。前端也称为视觉里程计（VO）。它根据相邻图像的信息，估计出粗略的相机运动，给后端提供较好的初始值。VO 的主要问题是如何根据图像来估计相机运动。VO 的实现方法，按是否需要提取特征，分为特征点法的前端以及不提特征的直接法前端。 首先，从图像中选取比较有代表性的点。这些点在相机视角发生少量变化后会保持不变，所以我们会在各个图像中找到相同的点。然后，在这些点...
slam学习笔记五----视觉里程计的学习1
热门推荐
YOULANSHENGMENG的博客
03-28 1万+
一，什么是视觉里程计 SLAM系统分为前端和后端，前端也称为是视觉里程计，主要功能是根据相邻图像的信息粗略的估计出相机的运动，为后端提供较好的初始值。 视觉里程计的算法有两大类特征点法和直接法。特征点法是常用方法，它具有稳定，对光照、动态物体不敏感的优势。视觉里程计的原理就是提取图像的特征点，通过匹配估计两帧之间相机运动和场景结构，实现一个两帧间的视觉里程计。其核心问题就是如何通过图像估计相机的运动。 二，特征点法的原理 从图像中选取比较有代表的点，该点在相机视角发生少量变化后依旧保持不...
视觉SLAM14讲笔记-第7讲-视觉里程计1
南北粉面馆
09-06 350
视觉里程计
视觉slam14讲——第7讲 视觉里程计1
leeayu的博客
11-05 8152
本文是记录学习高翔所著《视觉slam14讲》的习题部分，习题只做了一部分，如有错误，还请指出。文中代码、图片如无说明均引用自课本。第7讲 视觉里程计1 特征点法 1 人工设计的特征点有四个特征 2 特征点组成 3 常见的特征点 ORB特征点 1 改进的FAST 关键点Oriented FAST 2 BRIEF描述子 3 特征匹配 31 存在的问题 32 匹配方法 4 特征提取和匹配代码实践的步骤分析
视觉SLAM十四讲学习笔记-第七讲-视觉里程计-三角测量和实践
weixin_36773706的博客
02-24 2759
专栏汇总 视觉SLAM十四讲学习笔记-第一讲_goldqiu的博客-CSDN博客 视觉SLAM十四讲学习笔记-第二讲-初识SLAM_goldqiu的博客-CSDN博客 视觉SLAM十四讲学习笔记-第二讲-开发环境搭建_goldqiu的博客-CSDN博客 视觉SLAM十四讲学习笔记-第三讲-旋转矩阵和Eigen库_goldqiu的博客-CSDN博客 视觉SLAM十四讲学习笔记-第三讲-旋转向量、欧拉角、四元数_goldqiu的博客-CSDN博客 视觉SLAM十四讲学习笔记-第三讲-相似、仿射、射.
slam14讲-第7讲记录-VO视觉里程记-2D,3D
cmdxly的博客
04-19 2870
slam14讲- 第7讲 视觉里程记1 1.特征点提取+特征匹配 重点是通过特征点提取+特征匹配的手段获取两幅图像的相似特征点，为了后续转换关系的准确，使用了简单的粗差剔除 2. 2D-2D 2D简单来说就是图像，有了上述两组特征点，就可以进行几何模型解算，理论上两幅图像的几何变换关系为仿射变换（特殊的非刚体变换），RANSAC粗差剔除算法本质上也是求一个最佳的几何变换模型，八点法求解是用四组点，每幅图像四个点，利用两幅图像特征匹配相互对应，可以取出四组，然后求解方程。每个点是由2维坐标写成齐次3维坐标，（
视觉SLAM 14讲 part1-9
05-19
第八讲和第九讲可能会涉及视觉SLAM的具体实现，比如视觉里程计（Visual Odometry, VO）的算法，如光流法、直接法和间接法，并比较它们的优缺点。此外，还可能介绍多传感器融合，如结合IMU数据来提高SLAM的鲁棒性和...
视觉SLAM十四讲配套代码
12-02
7. **视觉里程计（VO）**：SLAM的基础部分，估计相邻帧间的相对运动，常通过特征点追踪实现。 8. **闭环检测**：防止SLAM系统在循环路径上重复建图，通过特征匹配和描述子比较来识别已访问过的区域。 9. **地图重...
高翔视觉slam 14讲 配套代码
07-19
《高翔视觉SLAM 14讲》是一本深度探讨视觉SLAM（Simultaneous Localization And Mapping，同时定位与建图）技术的书籍，而"配套代码"则为读者提供了实践学习的重要资源。视觉SLAM是机器人领域的一个关键研究方向，它...
SLAM 十四讲 课件 slam
04-23
**第七讲：后端优化** 后端优化是SLAM系统中的重要环节，通常采用图优化或重投影误差最小化等方法，对整个SLAM过程进行全局一致性校正。这讲可能讲解BA（Bundle Adjustment）和其他优化策略。 **第八讲：回环检测**...
视觉SLAM课件.zip
02-22
第五讲到第七讲将**探讨视觉里程计（Visual Odometry, VO）**，这是SLAM的一个初步实现，通过连续的图像帧来估计相机的运动。这会涉及光流法、特征匹配和运动估计等技术。 第八讲和第九讲可能**涉及SLAM框架的建立*...
＜数据集＞柑橘缺陷识别数据集＜目标检测＞
最新发布
qq_53332949的博客
08-07 209
YOLO与VOC格式的柑橘缺陷识别数据集，适用于YOLO系列、Faster Rcnn、SSD等模型训练，共4个类别，类别：Orange-Green-Black-Spot、Orange-Black-Spot、Orange-Canker、Orange-Healthy，图片数量1290
End-to-End Object Detection with Transformers(Detection Transformer)翻译
wang6562009的专栏
08-04 791
我们提出了一种新方法，将目标检测视为直接的集合预测问题。我们的方法简化了检测流程，有效消除了对许多手工设计组件的需求，如非极大值抑制过程或锚框生成，这些组件显式编码了我们对任务的先验知识。新框架称为检测变换器（DEtection TRansformer，简称DETR），其主要成分是通过二分匹配强制唯一预测的基于集合的全局损失，以及一个变换器编码器-解码器架构。给定一组固定的小规模学习到的目标查询，DETR推理目标之间的关系和全局图像上下文，以并行方式直接输出最终的预测集合。
目标跟踪那些事
xiaoxu的博客
08-04 876
目标跟踪和目标检测是计算机视觉中的两个重要概念，但它们的目的和方法是不同的。目标检测(object Detection)：是指在图像或视频帧中识别并定位一个或多个感兴趣的目标对象的过程。目标跟踪(object Tracking)：是指在连续地监测和定位一个或多个的过程。区别：跟踪与检测的区别Input：视频序列。
OpenCV 中 CV_8UC1，CV_32FC3，CV_32S等参数的含义
u013798595的博客
08-04 384
CV_8UC1：8位无符号整数单通道图像（灰度图像）。CV_32FC3：32位浮点数三通道图像（彩色图像，每个通道有浮点数值）。CV_32S：32位有符号整数单通道图像（通常用于特定类型的数据，如深度图）。这些参数在创建图像、读取图像、处理图像时非常重要，因为它们决定了图像的存储方式和可处理的数据类型。
视觉slam十四讲-ch3
07-01
《视觉SLAM十四讲》第三章主要介绍了视觉SLAM中的关键技术——特征提取和描述子。本章首先介绍了特征点的概念和特征点的选择原则。特征点即图像中具有鲁棒性和区分度的点，可以通过对其进行检测和描述来进行特征匹配...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值