本文深入探讨DSO（Direct Sparse Odometry）算法中图像预处理到提取梯度点的过程。首先介绍了从读取图像到提取梯度点的整体流程，包括图像校正、去畸变、构建图像金字塔等步骤。接着，详细讲解了在原始图像层和图像金字塔第1-5层如何选择和提取梯度点，涉及阈值设定、网格策略和不同层级的点选择策略。文章还提供了相关图示帮助理解，并提及了光度标定的影响。
嗨，各位读者朋友们好！今天我们接着讲DSO全家桶的第二讲——提取梯度点。
首先，我们会先介绍一下DSO中从图像读取到提取梯度点的整个流程，然后再对重点的部分——“提取梯度点”进行讲解，让大家对整个流程的逻辑有个较为清晰的认识。这样写的目的主要是让大家在后续自己实现代码的时候，可以有目标地写测试用例。
图1. 图像预处理到提取梯度点流程图
OK，我们开始吧！如图1所示，我们将简单阐述一下每一步的操作。
1. 根据输入的标定文件确定图像的原始尺寸和裁剪尺寸，并且甚至图像的路径。若有光度标定[1]文件，还需要设置光度标定参数；
2. 在imageRW_OpenCV.cpp[2]中采用
最低0.47元/天 解锁文章
667
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
