Mac0327的博客

目的初始化的目的是获得初始准确的帧间相对位姿，固定尺度，并通过三角化恢复出初始地图点。整个过程包括：1）估计初始帧位姿；2）新建地图；3）新建关键帧。主要方法：方法一：计算两张图像的平移t，令此时的t为单位1。（初始化时，两张图像之间必须有一定程度的平移，而后的轨迹和地图都将以此步的平移为单位。PS.在实践当中，如果初始化时平移太小，会使得位姿求解与三角化结果不稳定， 从而导致失败。相对的，如果把相机左右移动而不是原地旋转，就容易让单目 SLAM 初始化。因而有经验的 SLAM 研究人员，在单目 S

        今天面试，很多基本问题都没有回答的很好。那些知识明明知道，但是就是讲不出来，看来看过是不行的，必须要自己总结一下。一、介绍一下ORBSLAM的线程，并且分别讲一下ORBSLAM主要有三个线程，分别是跟踪（Tracking），建图（LocalMapping），和闭环检测（LoopClosing）。1）Tracking       &nb

如果是用图片数据集跑SLAM，需要用associate.py 对rgb 和depth序列生成关联数据文本associations.txt。具体的命令为：python associate.py PATH_TO_SEQUENCE/rgb.txt PATH_TO_SEQUENCE/depth.txt > associations.txt假使系统默认使用python3则会报错：Traceb...

基础系列：

目前整理了前七章，后续更新。欢迎大家补充！放一张主要内容的大图：

  按照正常（线性）求解过程，特征提取-匹配-PnP 即先求相机位姿，再求空间点位置，而非线性优化则是把它们都看成优化变量，放在一起优化。  把相机和三维点放在一起进行优化的问题，统称为Bundle Adjustment（BA）。过程如下，设空间点Pi=[Xi，Yi，Zi]T；投影坐标ui=[ui，vi]T。(注意这两个值是真值，实际由于观测噪声，以及相机位姿未知，我们无法得到最准确的值）...

SOF-SLAM：A Semantic Visual SLAM for Dynamic Environment 2019.10.22论文出发点：现今针对于动态场景的SLAM系统，一般采用语义信息，要么利用几何信息，或者简单结合。（反复提及）针对问题：高动态场景的语义地图建立。方案：基于RGBD视频流的ORBSLAM2模型，提出一种动态特征提取方法：语义光流法（Semantic Opti...

RGBD-SLAM_v2超详细安装与运行主要参考链接注意1.建立工作空间2.下载RGBD-SLAM3.卸载g2o4.安装g2o依赖项5.下载并提取eigen 3.2.10头文件6.下载g2o7.配置g2o头文件8.编译g2o9.下载PCL10.用C++ 2011支持配置PCL编译11.编译并安装PCL12.配置RGBD-SLAM13.构建siftgpu库（与rgbdslam绑定）14.建构rgbd...