bianlongpeng的博客

一、解决的问题如前所述，相机的位姿由6个自由度来表示，转换成数学描述就是由旋转矩阵和变换矩阵R,t{R,t}R,t描述，在SLAM中位姿是未知的，我们需要解决形如“什么样的相机位姿最符合当前观测数据”，即一种典型的方式是把它构建成一个优化问题，求解最优的R,t{R,t}R,t,使得误差最小化，即对位姿进行估计和优化。这里之所以引入李群和李代数是因为旋转矩阵自身是带有约束的(正交且行列式为1)，它们作为优化变量时会引入额外的约束，使优化变得困难，通过李群和李代数间的转换关系，我们可以把位姿估计变成无约束优化

学习目标三维空间的刚体运动描述方式：旋转矩阵、变换矩阵、四元数、欧拉角Eigen库的矩阵、几何模块的使用方法旋转矩阵三维空间点的描述假设在一个线性空间中，找到了空间中的一组基(e1,e2,e3)(e_1,e_2,e_3)(e1​,e2​,e3​)，那么任意向量a⃗\vec{a}a在这组基下就有一个坐标a=[e1e2e3][a1a2a3]=a1e1+a2e2+a3e3 a=\left[\begin{matrix}e_1&e_2&e_3\end{matrix}\right]\

slam解决的问题SLAM是Simultaneous Localization and Maping，即“同时定位与地图构建”。具体指的是搭载特定传感器的主体，在没有环境先验信息的情况下，于运动过程中建立环境的模型，同时估计自己的运动。一些基础知识有线性方程 Ax=bAx=bAx=b, 若已知A,bA,bA,b，需要求解xxx，该如何求解？这对AAA和bbb有那些要求？当r(A)<r(Ab)r(A)<r(Ab)r(A)<r(Ab)时，方程组无解；当r(A)=r(Ab)=nr(