自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(15)
  • 收藏
  • 关注

原创 ORB-SLAM笔记——ORB-SLAM3的IMU初始化(1)理论部分

上一篇blog立的flag,哎最近工作虽然也是快忙炸了但面对这么好的一个作品,你就忍不住挤时间也要学他啊哈哈。那么我们开始!在正式说它的IMU初始化部分之前,还是跟随作者论文的思路,咱们再把Visual-Inertial的架构梳理一下。首先对于一个纯视觉的系统来说,单目也好,双目也罢,我们主要关心的还是每一个pose的6Dof,对应的状态空间呢也就是六维。考虑到单目的尺度问题,状态空间也就是多了一个scale。但在一个visual-inertial SLAM系统中,我们在对当前pose进行估计的同时

2020-07-28 23:43:42 808

转载 Neon Intrinsics各函数介绍

#ifndef __ARM_NEON__#error You must enable NEON instructions (e.g. -mfloat-abi=softfp -mfpu=neon) to use arm_neon.h#endif/*(1)、正常指令:生成大小相同且类型通常与操作数向量相同的结果向量;(2)、长指令:对双字向量操作数执行运算,生成四字向量的结果。所生成的元素一般是操作数元素宽度的两倍,并属于同一类型;(3)、宽指令:一个双字向量操作数和一个四字向量操作数执行运算,.

2020-07-26 16:35:15 236

原创 ORB-SLAM笔记———ORB-SLAM3概述

代码地址https://github.com/UZ-SLAMLab/ORB_SLAM3论文名称 ORB-SLAM3:An Accurate Open-Source Library for Visual, Visual-Inertial and Multi-Map SLAM文章链接https://arxiv.org/pdf/2007.11898.pdf时隔五年,在前天也就是2020年7月23日,来自Zaragoza universtiy的slam组终于开源了orb-slam的versio...

2020-07-25 23:26:53 3229

原创 ORB-SLAM笔记——(6)LocalMapping
原力计划

到上一篇为止算是把Tracking的主体部分介绍得差不多了,那么这一次开始说LocalMapping线程。当下主流的Keyframe-based SLAM或VO方法,都是用当前最新的观测和已经储存的地图信息进行匹配,从而实现定位功能的。那么问题来了:我们存什么在地图里?什么时候应该向地图里存东西?内存是有限的我们肯定不能无限地扩大地图,那又该怎么删以维持有限的地图大小呢?以上问题总结起来就...

2020-04-05 15:51:17 144

原创 ORB-SLAM笔记——(5)Track Local Map分析

种种原因,关于我自己对orb-slam理解的笔记一直没有更新。翻了一下,最近的一次笔记还要追溯到几个月前,真的深感惭愧......我最早的想法是将自己对这个框架从整体到每一模块细节的理解,都进行整理,最终写成一个系列。既然做就一定要做到最后啦,所以再次......立flag:我一定会更快更新的!回归正题,上一次的笔记对Tracking线程做了一个整体的介绍。我们知道orb的前端线程首先通过匀速...

2020-03-15 13:26:51 454

原创 SVO源码阅读笔记——motion estimation概述

SVO属于半直接稀疏法,说它是半直接是因为只在前端线程第一步利用前后帧图像做初始位姿估计时用到了直接法,后面的一些步骤还都是特征点法的常见操作。以下是1. Sparse model-based image alignment利用直接法,恢复前后连续帧之间的运动,作为初始估计。如果我们正在做一个VI-SLAM system,应该可以用IMU预积分代替此初始值。2. Feature align...

2020-02-03 17:30:10 161

原创 三角测量的一些基础理论

三角测量,通俗一点讲就是通过在一个相机在两个不同的位置(或者双目相机)对一个目标点进行观测,依靠两个观测系间的绝对(或相对)位姿变换关系,算出该被观测点在两个观测系中的绝对(或相对)深度。进一步推广,当我们在n个不同的位置对同一个点进行观测,并已知这些观测系相对于一固定系的变换时,便可通过求解超定方程组,求出在该固定系下被观测点的坐标。构建超定方程组设待观测点P在世界系的坐标为P(X,Y,Z)...

2019-12-14 15:19:57 181

原创 ORB-SLAM笔记——(4)Tracking线程整体分析

(瞎忙了一阵,码没撸太多忙着挖雷,深感惭愧....)进入正题,上次说完了orb-slam设计的自动地图初始化,现在从前台线程tracking继续讲。当orb-slam每接收到一帧新的图像,都会唤起这个线程。它主要负责每一帧的定位,并且通过motion-only BA对刚刚得到的初始camera pose进行第一次优化。在此基础之上,我们会确定一个当前帧的local map,这里是通过当前帧与周...

2019-09-28 15:58:57 299 1

原创 ORB-SLAM笔记——(3)单目模式的地图初始化

单目SLAM地图初始化的目标是构建初始的三维点云地图。由于不能仅仅从单帧得到深度信息,因此需要从图像序列中选取两帧以上的图像,估计摄像机姿态并重建出初始的三维点云。要注意的是这样构建出的全局地图是在相对尺度下的,因为我们无法像双目模式那样,借助左右目之间的外参便可获得绝对尺度下的位姿变换。ORB的作者在单目情况下提出了地图的自动初始化,这包括第一点,自动选定两个初始帧,这与PTAM不太一样,P...

2019-08-18 17:49:20 694

原创 ORB-SLAM笔记——(2)框架概述

上篇已经提到过,Raulmur博士开源了两版ORB,其中第二版在第一版的基础上加入了双目以及RGBD相机的前端接口,并且在回环模块中增开了全局优化的线程。我们先从第一版的pipeline开始说起。另外要说的是这篇总结主要还是从整体上对架构进行说明,大体介绍每个模块的作用以及模块之间是怎么联系起来的。至于每个模块具体用到的数学方法以及代码实现,咱们后面还会一篇接着一篇的博文慢慢分析,道不阻,但的确很...

2019-08-08 00:25:04 558

原创 ORB-SLAM笔记——(1)初识

Orb-slam是来自西班牙Zaragoza University的Raulmur博士最早于2015年开源的单目slam方案,并在随后开源的第二个版本中加入了双目以及RGBD相机的接口,使得整个框架更加系统化。对于每个学习slam技术的人来讲,ORB应该都不陌生,其中很多人更是把他作为开源框架学习的第一站。现在比较成熟的slam方案基本分为特征点法和直接法两大阵营。直接法的话近几年比较具有代表...

2019-08-06 22:35:55 162

转载 特征提取算子汇总

(转自:https://blog.csdn.net/jscese/article/details/52954208?utm_source=blogxgwz1)(一)HOG特征1、HOG特征:方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来...

2018-10-16 19:39:43 1304

原创 LDA(学习笔记)

在前面PCA的基础之上继续学习LDAlinear discriminant analysis 线性判别分析一种用于高维数据降维的方法不同于PCA的地方:PCA是一种无监督的降维技术,模型输出不考虑样本类别,仅仅做到了降维便达到目的;LDA针对的样本都是带有标签的,即类别,是一种有监督的降维方法。LDA的主体思想:在向低维度空间投影后,类内的方差达到最小,类间方差达到最大。右...

2018-09-06 14:44:47 108

转载 SVM由浅入深的详细讲解(遇到最易懂的)

支持向量机通俗导论(理解SVM的三层境界) 作者:July ;致谢:pluskid、白石、JerryLead。出处:结构之法算法之道blog。 前言    动笔写这个支持向量机(support vector machine)是费了不少劲和困难的,原因很简单,一者这个东西本身就并不好懂,要深入学习和研究下去需花费不少时间和精力,二者这个东西也不好讲清楚,尽管网上已经...

2018-08-29 11:18:25 600

原创 主成分分析(学习笔记)

主成分分析:principal component analysis (PCA)由卡尔皮尔逊于1901年提出,是一种分析,简化数据的技术,主要用于降低数据的维数,并且在这个过程中,保持数据集中的对方差贡献最大的特征。具体怎样做呢?对数据集的协方差矩阵进行特征分解,得到数据集的主成分(特征向量)和相对应的权值(特征值)。我们要在降低数据维数的过程中,使数据集的信息丢失尽可能的小,这等价于在原数据集中...

2018-07-13 19:33:14 352

空空如也

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 TA的粉丝

提示
确定要删除当前文章?
取消 删除