![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
SLAM笔记
师兄牛逼
这个作者很懒,什么都没留下…
展开
-
SLAM笔记 线性代数方法 非线性优化方法
线性代数方法 与 非线性优化方法的区别和联系原创 2022-05-10 19:53:32 · 249 阅读 · 0 评论 -
slam笔记 triangulation.cpp粗解
需要注意的是代码自定义的triangulation函数,输入中 已知:两幅图片中的特征点keypoint_1、keypoint_2以及他们的配对matches、转换R、t 未知:特征点的具体位置(在第一个相机坐标中的坐标) 在函数中调用了 opencv函数 cv::triangulatePoints(T1, T2, pts_1, pts_2, pts_4d); 通过函数简介可知,该函数用于双目相机,通过T1、T2间的运动求特征点在世界坐标系的坐标,在此处令T1=E,使第一个相机坐标系为世界坐标系,求出来的p原创 2022-05-09 20:06:26 · 1122 阅读 · 1 评论 -
SLAM数学问题引出
SLAM数学问题引出 SLAM模型为运动方程、观测方程组成的方程组,误差服从高斯分布。 对机器状态的估计:已知输入u(运动测量读数)、观测z(传感器读数),求状态x(机器人位姿)、y(路标位置),从概率论的角度为P(x,y|z,u),根据贝叶斯法则,其值正比于P(z,u|x,y)*P(x,y); 求x,y即为 求使P(x,y|z,u)最大的x,y值,此为最大后验估计(MAP,Maximum a Posterior Estimation) 忽略P(x,y),即为 求使P(z,u|x,y)最大的x,y值,此为最原创 2022-05-07 16:35:31 · 105 阅读 · 0 评论