a894943069的博客

由于有光泽，明亮、反光、纹理缺乏、材质的物体表面会导致缺失深度[1]。常见的深度相机给出的深度有效范围常在6m-8m内，真实世界中包含大量前景较深的区域，超出这个距离的深度值往往精度较低。这时为了提高跟踪的鲁棒性，就可以考虑生成地图点。在单目SLAM系统中，我们常根据已有的特征匹配对利用对极约束进行位姿求解。这里假设我们已经得到不同图像之间的位姿关系，和一些包含离群点的匹配对。我们可以挑选一组合适的图像，通过他们之间位姿恢复出它们的基础...

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...