SLAM
abunwpu
人生没有太多选项,必须做出选择
展开
-
“fatal error: Eigen/Core: No such file or directory” while installing OpenCV on Ubuntu
修改头文件Go to /home/avi/opencv/modules/core/include/opencv2/core/private.hpp file.Edit the line: # include <Eigen/Core> to # include <eigen3/Eigen/Core>原创 2020-04-29 00:54:39 · 524 阅读 · 1 评论 -
cmake 编译c++项目
分两步:CMakeLists.txt文件编写结束以后就可以对工程进行编译了,进入build目录。并执行cmake和make指令,如下:第一步$ cmake ..…的意思时去上一目录寻找源文件,进行编译如果就在一个目录下,也可以用cmake.第二步$ make然后,可以用ls查看,绿色的就是可执行文件,使用 ./xxxx 命令执行就可以了...原创 2020-04-28 13:50:55 · 536 阅读 · 0 评论 -
SLAM学习——BA(Bundle Adjustment)与图优化
BA与图优化所谓的Bundle Adjustment,是指从视觉重建中提炼出最优的3D模型和相机参数(内参数和外参数)。从每一个特征点反射出来的几束光线(bundles of light rays),在我们把相机位姿和特征点空间位置做出最优的调整(adjustment)之后,最后收束到相机光心的这个过程,简称BA。Bundle Adjustment简述在SFM(structure from ...原创 2020-03-27 16:22:39 · 6679 阅读 · 0 评论 -
SLAM学习——视觉里程计中位姿估计,PnP、ICP问题的本质描述
SLAM中的前端也称为视觉里程计,本质在于利用计算计算机视觉图像中的特征点的距离,进而估算相机的旋转R和位移t,即计算相机的姿态变化。原创 2020-03-25 23:28:08 · 1410 阅读 · 0 评论 -
SLAM学习——特征点SIFT、SURF、ORB
SLAM的本质问题在于让计算机识别出连续两幅图像之间的姿态变化,通常需要在图像中选取一些特征点作为标识用来计算相机位姿变化。注意特征点不是角点,不仅包括点的位置,还包括点的特征描述。常用的特征点包括:1)SIFT特征点(尺度不变特征变换,ScaleInvariant Feature Transform)SIFT特征点属于最常见的特征点,它充分考虑了在图像变换过程中出现的光照,尺度,旋转等变...原创 2020-03-25 10:00:05 · 1723 阅读 · 0 评论 -
SLAM中的贝叶斯公式、先验概率和后验概率
全概率公式设事件 B1,B2…Bn 构成一个完备事件组,即它们两两不相容,和为全集且 P(Bi)>0,则对任一事件 A 有:注意事件A与事件组B没有关系。贝叶斯定理好吧,著名的定理了,大家应该都听过,再复述一遍。这个工时其实计算了一个概率,假设事件A已经发生了,事件组Bi中某一件是造成事件A发生的原因。贝叶斯公式左侧就是在A发生的前提下,Bi发生的概率,即计算事件组Bi中每一...原创 2020-03-14 10:10:20 · 578 阅读 · 0 评论 -
SLAM用到的相机模型——矩阵表示以及坐标变换矩阵
1 单目相机模型说白了,单目相机就是针孔相机,需要建立三个坐标系,成像坐标系,实际是个二维坐标系相机坐标系,以镜片为原点,镜头向前为Z轴,随相机位置改变,即相机位姿世界坐标系,只有一个,物体的真实坐标现在来对这个简单的针孔模型进行几何建模。设 O − x − y − z 为相机坐标系,习惯上我们让 z 轴指向相机前方, x 向右, y 向下。 O 为摄像机的光心,也是针孔模型中的针...原创 2020-03-10 22:42:39 · 1511 阅读 · 0 评论 -
SLAM中的李群与李代数
群群是一些数据,并有特定的运算方式,通俗点,元素集合加上代数运算,使得集合中任意两个元素经过运算后形成的第三个元素仍然在这个集合里面。群必须满足四种公理:封闭性(closure),结合性(associtivity), 单位元(identity,也叫幺元),逆元(invertibility)。》》》》》凤姐咬你李群李群除了满足上述四个公理,还需要满足其他公理,例如不可交换。李群是具有微分流...原创 2020-03-09 22:57:16 · 1011 阅读 · 2 评论 -
SLAM主要步骤
整体视觉SLAM流程图。整个视觉SLAM流程包括以下步骤。1.传感器信息读取。在视觉SLAM中主要为相机图像信息的读取和预处理。如果是在机器人中,还可能有码盘、惯性传感器等信息的读取和同步。2.视觉里程计(Visual Odometry,VO)。视觉里程计的任务是估算相邻图像间相机的运动,以及局部地图的样子。VO又称为前端(Front End)。3.后端优化(Optimization)。后...转载 2020-03-08 23:50:09 · 8042 阅读 · 0 评论