slam learning
文章平均质量分 90
LYF0816LYF
这个人很懒,他好像还没编辑个人简介
展开
-
视觉SLAM十四讲 罗德里格斯公式推导 全解
视觉SLAM十四讲 罗德里格斯公式推导 全解罗德里格斯公式推导相关知识点乘和叉乘向量投影和向量投影矩阵双重向量积最近在学习高翔的视觉SLAM十四讲,在第三章提到了罗德里格斯公式(Rodrigue’s Formula),但书中并没有给出相应的推导公式。在网上搜了不上相关的博客,看了好几篇才看明白,一些基础知识并没有在公式推导过程中给出,导致一开始看得云里雾里。所以这篇博客就是总结罗德里格斯公式推导过程以及过程中所对应的知识点,包括一些基础知识。我在这篇博客里的公式推导比较详细,把一些其他博客省略的步骤加了原创 2021-11-15 20:32:04 · 1442 阅读 · 0 评论 -
视觉SLAM十四讲 第9讲 卡尔曼滤波
卡尔曼滤波(Kalman filtering)是一种利用线性系统状态方程,通过系统输入输出观测数据,对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响,所以最优估计也可以看作是滤波过程。有简单一点的话术来总结:在后端优化中,我们可以根据所考虑时刻(帧数)信息的多少来进行分类::记住卡尔曼滤波器是对系统状态进行最优估计的方法,且利用的是线性系统状态方程。:状态估计:然后,我们将先验以xk−1x_{k-1}xk−1时刻为条件概率展开::线性高斯系统:预测:卡尔曼增益和后验分布的推导至此.原创 2022-06-18 17:21:21 · 3043 阅读 · 2 评论 -
视觉SLAM十四讲 第9讲 后端1 贝叶斯法则 式9.5推导
视觉SLAM十四讲中的第9讲 式9.5的推导,下面我们来看如何对状态进行估计。按照贝叶斯法则,把zk和xk交换位置,有式9.5原创 2021-12-27 21:46:34 · 1104 阅读 · 10 评论 -
视觉SLAM十四讲 第7讲 (3) 相机运动估计 2D-2D/3D-2D/3D-3D
视觉SLAM十四讲第7讲 (3) 相机运动估计 2D-2D/3D-2D/3D-3D 理解与笔记原创 2021-12-26 21:50:59 · 3909 阅读 · 0 评论 -
视觉SLAM十四讲 第5讲 相机与图像
视觉SLAM十四讲 第5讲 相机与图像 笔记与理解原创 2021-12-26 21:35:57 · 2069 阅读 · 0 评论 -
为什么尺度等价性要减少一个自由度(本质矩阵举例)
尺度等价性自由度减1。举例说明:设有方程Ax=0...........本质矩阵自由度为5原创 2021-12-22 21:43:03 · 3334 阅读 · 8 评论 -
关于矩阵的自由度DOF的理解
自由度是n个变量在某个约束下,能够自由变化的最多变量个数m为该约束下的自由度原创 2021-12-17 21:36:19 · 7790 阅读 · 2 评论 -
本质矩阵E的内在性质证明
本质矩阵E的内在性质证明自己手写了对极约束中,本质矩阵(Essential Matrix)E的内在性质的证明:证明过程中用到了:反对称矩阵的性质任意矩阵加减KKK倍单位矩阵后,特征值也±K\pm K±K原创 2021-12-17 19:28:16 · 975 阅读 · 0 评论 -
最小二乘法
最小二乘法定义推导在学习SLAM的时候不断的出现最小二乘法相关的算法,看的云里雾里,所以用这篇博客总结一下。定义最小二乘法是一种在误差估计、不确定度、系统辨识及预测、预报等数据处理诸多学科领域广泛应用的数学估计。以上是百度百科的定义。更直观的解释,我们常说的曲线拟合,就常用最小二乘法。推导完整的解释和推导请看知乎最小二乘法的本质是什么。这篇文章看完之后我是醍醐灌顶,把最小二乘法用最简单的语言和例子解释清楚了。个人总结一下:设yyy为要预测的数据真值,yi(i=1,2,...,n)y_i(原创 2021-12-16 20:13:40 · 293 阅读 · 0 评论 -
SLAM 反对称矩阵
反对称矩阵1. 定义2. 反对称矩阵与叉乘3. 反对称矩阵的行列式4. 反对称矩阵的乘法4.1 反对称矩阵连乘4.2 反对称矩阵与矩阵相乘5. 反对称矩阵的加法6. 无穷小旋转1. 定义反对称矩阵又称(斜对称矩阵)是一个方形矩阵,其转置矩阵和自身的加法逆元相等。A⊤=−A(1.1)A^{\top} = -A \tag{1.1}A⊤=−A(1.1)或写作A=(aij)A=(a_{ij})A=(aij),各元素的关系为:aij=−aji(1.2)a_{ij} = -a_{ji} \tag{1.2}a原创 2021-12-01 13:53:38 · 10622 阅读 · 1 评论 -
视觉SLAM 第7讲 本质矩阵 基础矩阵 单应矩阵 知识点/证明/理解/秩/自由度
本质矩阵 基础矩阵 单应矩阵 证明/理解/秩/自由度原创 2021-12-24 16:48:11 · 4340 阅读 · 2 评论 -
视觉SLAM十四讲 第4讲 李代数和李群
李代数和李群1. 什么是群2. 什么是李群3. 什么是李代数4. 指数映射和对数映射4.1 SO(3)4.2 SE(3)4.3 对数映射5. 李代数求导与扰动模型5.1 李代数求导6. 什么是Sophus7. 未完善1. 什么是群群(group)是一种集合加上一种运算的代数结构。集合记作A,运算记作 · ,那么群可以记作G=(A,⋅)G = (A, \cdot )G=(A,⋅)。群需要满足四个条件(封结幺逆,凤姐要你)封闭性:∀a1,a2∈A,a1⋅a2∈A\forall a_1,a_2 \in A原创 2021-12-10 16:56:44 · 1824 阅读 · 0 评论 -
视觉SLAM十四讲 第3讲 三维空间刚体运动(相关知识点汇总)
视觉SLAM十四讲 第3讲 三维空间刚体运动1. 刚体2. 欧氏空间(euclidean space)2.1 欧氏距离:2.2 欧氏变换:3. 笛卡尔坐标系4. 透视空间5. 齐次坐标系5.1 问题:两条平行线可以相交于一点?5.2 为什么叫齐次?6. 关于Eigen7. 基础知识7.1 点和向量7.2 点乘和叉乘8. 旋转矩阵相乘的含义9. 变换矩阵Transform Matrix10. 旋转向量、欧拉角、四元数10.1 旋转向量和旋转矩阵10.1.1 旋转向量和旋转矩阵Eigen10.2 欧拉角10.3原创 2021-12-01 13:19:39 · 888 阅读 · 0 评论 -
视觉SLAM十四讲 第1-2讲 初识SLAM
视觉SLAM十四讲 第1-2讲 初识SLAM1. slam 是什么2. SLAM基本模块3. 相机的种类4. 视觉slam基本流程5. 非/线性系统、非/高斯系统6. CMake1. slam 是什么定义:SLAM是Simultaneous Localization And Mapping的缩写,即同时定位与地图构建(我在什么地方?周围环境是怎么样的?)。它是指搭载特定传感器的主题,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。梦想:在计算机视觉创立之初,人们就原创 2021-12-01 12:59:03 · 3020 阅读 · 0 评论