第02讲 SLAM系统的构造函数、特征点图像金字塔、构造灰度质心图

最新推荐文章于 2022-04-11 17:33:00 发布
最新推荐文章于 2022-04-11 17:33:00 发布
阅读量249 收藏
点赞数
分类专栏： SLAM
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/Matchsticklala/article/details/115868391
版权

第02讲 SLAM系统的构造函数、特征点图像金字塔、构造灰度质心图

一、单目的主函数 分析

1. 入口：

····ORB-SLAM2/Examples/mono_tum.cc
mono_tum.cc入口

2. System的构造函数

····System.h
System构造函数

····System.cpp
重点：Tracking
在这里插入图片描述

····Tacking.cc
Tacking.cc

重点：提取ORB特征
ORB特征提取1
ORB提取

比如要提取1000个特征点，那怎么分配每一层的特征点呢：
在构造函数里面，先是根据配置文件初始化好了每一层的缩放因子和sigma2（倒数），然后分配特征点数量：
在这里插入图片描述
在这里插入图片描述

对应代码：
在这里插入图片描述

二、ORB特征学习

1. 提取特征点FAST和描述子BRIEF

对应代码：
src\ORBextractor.cc
在这里插入图片描述

2. 灰度质心法

保证旋转不变性，使用灰度质心法计算特征点的方向，要用圆形
在这里插入图片描述
在这里插入图片描述

为什么不要用正方形：因为如果用正方形，可能旋转之后该点已经在范围外。
下面求圆内的坐标范围
目的：求方向时，为了索引像素点使用。
umax：1/4圆的每一行的u轴坐标边界
在这里插入图片描述

对应代码：
在这里插入图片描述

在这里插入图片描述

lanlorr
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
matlab质心原理图,matlab:绘制质心
weixin_34139050的博客
03-17 1067
质心不与图像中的坐标对应,而是与特征空间中的坐标对应。有两种方法可以测试kmeans的表现。对于这两种方法,您首先要将点与其最近的簇关联起来。您可以从kmeans的第一个输出中获得此信息。(1)通过将6维空间缩小为2维或3维空间,然后以不同颜色绘制不同分类的坐标,可以可视化聚类结果。假设特征向量收集在一个名为featureArray以及你要求的nClusters集群,您可以使用mdscale要将数...
图像金字塔
FireBird的专栏
09-26 1万+
0 序        图像金字塔实际上是一张图片在不同尺度下的集合，即原图的上采样和下采样。常见的金字塔包括高斯金字塔和拉普拉斯金字塔，但是也有一些其它算法衍生的金字塔，并不一定要高斯模糊。需根据自身应用而定，参考文献0中所述的理由我并不认同。        图像金字塔更多的是一种构建不同尺度空间的思想，网络上搜索较多的可能是在SIFT算法中的应用了，除此之外，还可以应用在光流中，slam的姿
ORBSLAM2 系统构造函数
weixin_39061796的博客
07-16 189
本次的目的主要是讲解ORBSLAM2中SLAM系统的构造函数System::System，这里主要进行了字典文件加载及相关线程的初始化。 首先是构造函数的参数 System::System(const string &strVocFile, //词典文件路径 const string &strSettingsFile, //配置文件路径 const eSensor sensor, //传感器类型
图像金字塔在基于特征点法的SLAM中的应用（以ORB-SLAM的应用举例）
Walking_roll的博客
12-11 2439
这位博主解释的很到位，有图片很形象！
ORBSLAM2-灰度质心法求旋转不变性
ningxiner2016的博客
03-18 1233
ORBSLAM2-灰度质心法求旋转不变性代码 代码 当使用和四叉树的策略，将ORB特征点均匀的分布在在图像中后，接下来就需要进行计算方向，因为FAST角点与Brief描述子是不具备旋转不变性的，因此用灰度质心法计算旋转不变性。 const int scaledPatchSize = PATCH_SIZE*mvScaleFactor[level];//定义每层patch_size的缩放，，这边就是在前面系统构造函数中所画的圆的直径，因为在图像金字塔中，每层的图像大小是不一样的，因此计算的圆的大小也是不一..
SLAM-基于ORB-SLAM2的ORB特征点提取器实现-优质项目实战.zip
03-17
这个项目实战是基于ORB-SLAM2系统，重点讲解如何实现ORB（Oriented FAST and Rotated BRIEF）特征点的提取。 ORB特征点是一种常用的视觉特征，由David G. Lowe在2011年提出，是对FAST关键点检测器和BRIEF描述符的...
slam.rar_G2O_点云特征_点云特征提取_视觉SLAM_视觉SLAM十四讲
07-15
《视觉SLAM十四讲》是一份深入探讨视觉Simultaneous Localization And Mapping（SLAM）技术的资源包，其中包含了G2O优化、点云特征提取、特征匹配、点云拼接以及OpenCV图像处理等多个关键知识点。这些内容是构建一个...
SLAM-基于线特征的RGBD-SLAM算法实现-支持与点特征融合-优质项目实战.zip
02-23
在这个名为“SLAM - 基于线特征的RGBD-SLAM算法实现 - 支持与点特征融合 - 优质项目实战”的压缩包中，包含了一个深入实践的项目，旨在帮助学习者理解和应用SLAM算法，特别是线特征和点特征在RGBD数据上的融合。...
SLAM-基于C++实现的具有深度特征的实时SLAM系统实现-附项目源码-优质项目分享.zip
最新发布
05-19
这个项目以C++编程语言为基础，实现了具有深度特征的实时SLAM系统，对于学习和理解SLAM算法有极大的帮助。下面我们将深入探讨该项目涉及的知识点。 1. **SLAM基础**： - SLAM的目标是让机器人在未知环境中移动时，...
【视觉SLAM十四讲】特征点法视觉里程计.pdf
08-27
**视觉SLAM十四讲——ORB特征点法视觉里程计** 在计算机视觉领域，Simultaneous Localization And Mapping（SLAM）是一项关键技术，用于构建环境地图的同时进行自我定位。视觉SLAM利用摄像头捕获的图像序列来估计...
跟大家分享一个灰度质心法提取图像圆点中心坐标-zhixinfa.m
08-13
跟大家分享一个灰度质心法提取图像圆点中心坐标-zhixinfa.m 跟大家分享一个灰度质心法提取图像圆点中心坐标，各位认为好的话给分分，哪位大神老师再给程序补充加入求圆点半径的代码就更完美了
灰度图像基本处理，包括二值化和求质心
05-19
对灰度图像进行二值化，二值膨胀，二值腐蚀以及求目标质心。
灰度图像质心快速算法.pdf
05-19
对矩因子xpyq做差分变换为函数F1(),将图像函数f(x,y)做累进求和变换为函数F2()1用F1()和F2() 相乘求取质心1由于0阶和1阶矩因子中的p,q不大于1,经差分后的F1()除右端点外,其值都为1,乘1的运算当 然可以不做,从而消去了乘法运算1对任意大小和任意级别的灰度图像,乘除法运算次数仅为3次,而加法运算次数 也有降低1文中算法计算结果精确,其运算效率高于已有其他算法1
计算图像的质心
07-16
计算图像的质心并返回坐标计算图像的质心并返回坐标计算图像的质心并返回坐标计算图像的质心并返回坐标计算图像的质心并返回坐标
基于灰度图像的质心算法和三角测距原理（学习笔记）
热门推荐
执念
01-10 1万+
  本文介绍纯理论部分，至于FPGA实现就不多说了。 常见的质心算法有以下几种，可以应用于不同的场合。 （1）普通质心算法     其中为二维图像上每个像素点所接收到的光强，该算法适用于没有背景噪声，背景噪声一致或信噪比较高的情况。   （2） 强加权质心算法           其原理是将光斑中心较近的部分区域像素值增强，使得对光斑影响较大点的影响力进一步加大，提高质心探测...
ORBSLAM源码理论分析０—灰度质心法
yys2324826380的博客
03-29 5779
orbslam源码理论分析０—灰度质心法1.灰度质心法原理2.灰度质心法程序实现思路 1.灰度质心法原理 １．选择某个图像块B，然后将图像块B的矩 mpqm_{pq}mpq​ 定义为： 　　　　　　 　　x，yx，yx，y 表示像素坐标，I(x,y)I(x,y)I(x,y)表示此像素坐标的灰度值。 　　 2．图像块B的质心 CCC 可以通过步骤1中的矩找到： 　　　　　　　　　　 ３．方向向量 O...
【逐函数讲解ORB_SLAM2源码】10.特征点的几何中心和灰度质心
小秋 AI SLAM 入门实战教程
04-11 271
图文讲解 // keypoint->angle = IC_Angle(image, keypoint->pt, umax); static float IC_Angle(const Mat& image, Point2f pt, const vector<int> & u_max) { // cv::imwrite("./IC_Angle.png",image); // .at<uchar>(), .ptr<uchar>(
图像金字塔的作用，ORBSLAM2金字塔理解
a894943069的博客
01-10 1423
下面是ORBSLAM2提取特征点的效果0-7层金字塔，这里只展示了0-7层全部特征点，仅第0、2、5、7层特征点，可以看到有种离着桌子越来越远的感觉（近大远小）。原始图中红色的可乐易拉罐瓶上有很多特征点，在但在第7层的金字塔图像上整个瓶底就是一个特征点，这符合我们正常的视觉。但是这里的视野没有变的越来越大，这是因为金字塔图像是仅是经过下采样得到，而不是真实的相机后退。 思考问题1：图像金字塔的尺度不变性体现在哪里？ 我们常常理解的尺度不变性是指一个东西我近看是它远看还...
ORB2单目读代码笔记5--利用灰度质心计算ORB特征点方向，实现旋转不变性
不能再吃了OvO的博客
04-11 1424
5.利用灰度质心计算ORB特征点方向，实现旋转不变性利用灰度质心计算ORB特征点方向，实现旋转不变性ComputeKeyPointOctTree 跳转 computeOrientationcomputeOrientation 跳转 IC_Angle补 : 灰度质心法IC_Angle 结束 返回 computeOrientationcomputeOrientation 结束 返回ComputeKeyPointOctTreeComputeKeyPointOctTree 结束 返回operator() 利用灰度质
c++ 用orb slam2提取一幅图像的特征点
05-25
使用ORB SLAM2提取一幅图像的特征点需要按照以下步骤进行： 1. 创建一个ORBextractor对象，该对象用于提取特征点和描述符。ORBextractor类是ORB-SLAM2库中的一个类，可以通过构造函数指定特征点数量、图像金字塔层数等参数。 2. 读取图像并将其转换为灰度图像，ORB-SLAM2只能处理灰度图像。可以使用OpenCV的cv::imread函数读取图像，并使用cv::cvtColor函数将其转换为灰度图像。 3. 调用ORBextractor的operator()函数提取图像的特征点和描述符。该函数的输入参数为灰度图像和一个可选的掩码图像。 4. 获取提取的特征点和描述符。特征点是一个std::vector<cv::KeyPoint>对象，每个KeyPoint对象包含特征点的坐标、响应值等信息。描述符是一个cv::Mat对象，每行包含一个特征点的描述符，描述符的列数等于ORBextractor构造函数中指定的描述符维数，默认为32。 下面是一个示例代码： ``` #include <opencv2/opencv.hpp> #include "ORBextractor.h" int main(int argc, char **argv) { // 创建ORBextractor对象 ORB_SLAM2::ORBextractor orb_extractor(1000, 1.2, 8, 20, 7); // 读取图像并将其转换为灰度图像 cv::Mat image = cv::imread("test.png", cv::IMREAD_GRAYSCALE); // 提取特征点和描述符 std::vector<cv::KeyPoint> keypoints; cv::Mat descriptors; orb_extractor(image, cv::Mat(), keypoints, descriptors); // 输出特征点数量 std::cout << "Number of keypoints: " << keypoints.size() << std::endl; return 0; } ``` 在上面的代码中，ORBextractor构造函数中的参数分别为特征点数量、图像金字塔层数、尺度因子、尺度空间中每个层的特征点数量、FAST角点检测阈值等。可以根据实际需要调整这些参数。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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