【读书笔记】《视觉SLAM十四讲（高翔著）》 第11讲

最新推荐文章于 2023-07-24 17:52:02 发布
最新推荐文章于 2023-07-24 17:52:02 发布
阅读量1.5k 收藏 12
点赞数 1
分类专栏： SLAM学习笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/dahailuoa6/article/details/94429361
版权
本文介绍了在学习《视觉SLAM十四讲》时，关于gtsam的安装过程，包括解决编译错误的步骤。同时，详细阐述了如何进行位姿图优化并使用g2o viewer打开.g2o文件，以及遇到的错误及解决方案。
摘要由CSDN通过智能技术生成

文章目录


本博客的内容是本章程序编译运行方法，记录调通本章程序的过程、处理遇到报错的解决方法。
本章程序的详细解析可参考robinhjwy的CSDN博客： 第十一章pose_graph_g2o_SE3

1、安装gtsam

本章程序运行前需要安装gtsam，不然会有相关报错。
安装方法：
打开终端，输入以下命令下载gtsam：

git clone https://bitbucket.org/gtborg/gtsam.git

gtsam的安装文件下载后，会位于所打开终端对应的文件路径下。
安装gtsam之前先安装一项依赖库：

sudo apt-get install libtbb-dev

之后解压、打开刚才所下载的gtsam文件，①编译②安装：

mkdir build
cd build
cmake ..
make
sudo make install

编译安装完之后，可以在/usr/local/include 中找到头文件，在/usr/local/lib下找到它的库文件。
至此完成gtsam的安装。

2、程序编译

编译程序，出现如下报错：

CMake Error at /usr/share/cmake-3.5/Modules/CMakeFindDependencyMacro.cmake:45 (message):
  Invali
最低0.47元/天 解锁文章
←海螺1996→
关注
专栏目录
[学习笔记-SLAM篇]视觉SLAM十四讲ch11
warningm_dm的博客
08-12 729
冲冲冲，胜利就在眼前（虽然这本书大概会反复学习）。 视觉SLAM十四讲第11讲11.1 理论部分11.2 实践部分 第11讲 11.1 理论部分 回环检测，虽然说和视觉里程计有些联系，但一般还是比较独立的。 1）回环检测 回环检测一般用于消除累积误差，构建全局一致的轨迹和地图，也在重定位模块中得到重要应用。 一般有2种方法：① 基于里程计的几何关系，② 基于外观的几何关系。目前常用的是基于外观的方法，主要通过两幅图像的相似性确定回环检测关系。 计算图像的相似性，一般是计算图像的相似性评分。该评分主要与准确
视觉SLAM十四讲——第十一讲回环检测
qq_42731705的博客
12-08 639
一、Bag-of-Words词袋 1.概念区分 1.1.单词（word/vocabulary） 单词是特征的聚类，一定注意是特征的聚类生成的结果，而不是具体的特征。这个特征在cv中可以是提取的特征的描述子（注意特征点只有描述子才能描述它的特征，而特征点本身只是包含它的坐标信息）。也可以是比较形象的表示的某些物体级别的特征，比如鼻子、眼睛、嘴巴等，只是这个时候特征的提取不是像特征点提取描述子那么简单，要复杂一点，因为提取的是高级特征（语义特征）。 以ORB特征点的聚类举例来说，就是找很多图片作为数据集，每张图
视觉SLAM十四讲第十一讲
weixin_40486179的博客
10-24 614
第十一讲 后端2 本节目标 理解 Pose Graph 优化。 理解因子图优化。 理解增量式图优化的工作原理。 通过实验掌握 g2o 的 Pose Graph 优化与 gtsam 的因子图优化。 一、位姿图 1）Pose Graph的意义 我们可以构建一个只有轨迹的图优化，而位姿节点之间的边，可以由两个关键帧之间通过特征匹配之后得到的运动估计来给定初始值。不同的是，一旦初始估计完成，我们就不再优化那些路标点的位置，而只关心所有的相机位姿之间的联系了。通过这种方式，我们省去了大量的特征点优化的计算，只保留了
SLAM高翔十四讲（十一）第十一讲 回环检测
最新发布
shendaiyan的博客
07-24 588
引入一个先验相似度，若当前关键帧与之前某个关键帧的相似度超过与上一个关键帧的相似度的3倍，认为回环。词袋(BoW)，目的是用"图像上有哪几种特征"来描述一幅图像。根据这样来度量两幅图的相似性。准确率：描述的是算法提取的所有回环中是回环的概率；召回率：是指所有真实回环被正确检测出俩的概率。在回环检测后增加一个验证步骤：1）设立回环的缓存机制；回环检测的关键帧最好稀疏一些，彼此不同，又能覆盖整个环境。把"相近"的回环聚成一类，使算法不要反复检测同一类的回环。结果显示：分支数量10，树的深度5，单词数4972。
SLAM14讲ch11代码实践部分
m0_51461473的博客
12-08 830
ch11所遇问题及解决方法。
【读书笔记】《视觉SLAM十四讲（高翔著）》 第8讲
dahailuoa6的博客
06-27 931
文章目录8.3实践：LK光流参考网站 8.3实践：LK光流 程序编译运行方法： 先按照书P188中所写，复制associate.py文件到数据集目录~/slambook-master/ch8/data/data， 在~/slambook-master/ch8/data/data目录下打开终端运行指令： python associate.py rgb.txt depth.txt > assoc...
【读书笔记】《视觉SLAM十四讲（高翔著）》 第12讲
dahailuoa6的博客
07-03 1007
文章目录12.3.2 实践：创建字典12.4.2 实践：相似度的计算12.5.1 增加字典规模 本博客的内容是本章程序编译运行方法，记录调通本章程序的过程、处理遇到报错的解决方法。 本章程序的详细解析可参考robinhjwy的CSDN博客：https://blog.csdn.net/robinhjwy/article/details/78632978 12.3.2 实践：创建字典 本程序的功能：根...
【读书笔记】《视觉SLAM十四讲（高翔著）》 第13讲
dahailuoa6的博客
07-03 2767
文章目录工程文件一：dense_monocular（单目稠密地图）工程文件二：dense_RGBD（点云地图 & 八叉树地图） 本博客的内容是本章程序编译运行方法，记录调通本章程序的过程、处理遇到报错的解决方法。 **本章的例程共2个工程文件：**工程文件一：dense_monocular（单目稠密地图）；工程文件二：dense_RGBD（点云地图 & 八叉树地图） 本章程序共3...
【读书笔记】《视觉SLAM十四讲（高翔著）》 第6讲
dahailuoa6的博客
06-14 817
文章目录PART1 读书笔记PART2 实践部分 PART1 读书笔记 PART2 实践部分
视觉SLAM十四讲ch11实践遇到的问题及解决方案
weixin_58277261的博客
02-22 3002
一、安装 在编译之前先安装DBow3 git clone https://github.com/rmsalinas/DBow3.git 然后cmake流程编译安装 mkdir build cmake .. make -j8 sudo make install 安装结束 二、编译程序 创建build文件夹并进行编译 mkdir build cmake .. make -8 此时出现第一个错误 解决方法 将CMakeLists .txt中的set( DBoW3_LIBS "/us
视觉slam14讲，ch11，错误
pasdingoo的博客
09-18 218
改错
视觉SLAM十四讲学习笔记——ch11回环检测
路拾遗的博客
04-30 1740
文章目录11.1 理论部分11.2 实践部分11.2.111.2.2调试bug参考资料 11.1 理论部分 可参考博客:视觉SLAM十四讲：回环检测-知识点+代码 11.2 实践部分 11.2.1 11.2.2 调试bug 安装下载 DBoW3库 在进行编译程序前，先需要安装DBoW，第二版的安装文件下载链接如下所示： DBow3 下载完成后，安装方法很简单,将文件存放在你想存放的文件夹里面，进入DBoW-master文件夹： mkdir build cd build cmake .. make sudo
视觉SLAM十四讲CH11代码解析及课后习题详解
生活如此美好，致敬每一个热爱“热爱”的人！
12-09 4663
在进行编译程序前，先需要安装DBoW，第二版的安装文件下载链接如下所示： https://github.com/rmsalinas/DBow3https://github.com/rmsalinas/DBow3下载完成后，安装方法很简单,将文件存放在你想存放的文件夹里面，进入DBoW-master文件夹： mkdir build cd build cmake .. make -j4 sudo make install 在编译CH11的时候，出现了下面的错误： make[2]:.
安装GTSAM
一抹烟霞的博客
11-05 6427
一、下载gtsam源码 git clone https://bitbucket.org/gtborg/gtsam.git 二、 依赖 Boost >= 1.43 (Ubuntu: sudo apt-get install libboost-all-dev) CMake >= 3.0 (Ubuntu: sudo apt-get install cmake) A modern compiler, i.e., at least gcc 4.7.3 on Linux. 2.1 安装可选的依赖 In
激光SLAM之lego-loam框架的运行
weixin_49353816的博客
03-29 1637
前期配置 sudo apt-get install libboost-all-dev sudo apt-get install cmake 下载编译gtsam cd 文件夹 git clone https://bitbucket.org/gtborg/gtsam.git cd gtsam文件夹 mkdir build cd build cmake .. make check #可选的，运行单元测试 make install 下载编译lego-loam make -p ~/B/slam_ws/sr
视觉SLAM十四讲——ch11实践（回环检测）
琉璃轻纱的博客
06-16 961
可以看到分支数k为10，深度L为5，单词数量为4938，没有达到最大容量。这里只需要在CMakeLists.txt文件中更改其版本就可以。的链接问题，因为我们是建立的动态链接，所以后缀改为.so。代码中的opencv版本与自己用的版本不同；
视觉SLAM十四讲 读书编程笔记 Chapter11 后端2
wolfcsharp的博客
08-28 522
Chapter11 后端2位姿图位姿图的意义位姿图的优化 位姿图 位姿图的意义 随着时间的流逝，空间点和相机位姿数据不断增多，BA的计算效率会不断下降。 实际上，经过若干次优化迭代之后，空间位置估计会收敛至一个值保持不动。因此，我们更倾向于在优化几次之后就把特征点固定住，只把它们看作位姿估计的约束，而不再实际地优化它们的空间位置。 我们可以构建一个只有轨迹的图优化，而位姿节点之间的边，可以由两个关...
SLAM14讲-ch11/pose_graph_g2o
南北粉面馆
08-12 653
如何在ubuntu18.04 安装g2o_viewer? 使用g2o自定义的点与边，当然雅克比也是默认的，参考代码 #include <iostream> #include <fstream> #include <string> #include <g2o/types/slam3d/types_slam3d.h> #include <g2o/core/block_solver.h> #include <g2o/core/optimizati
视觉SLAM开源程序学习（三）——g2o和图优化转载及暂停说明
weixin_39926594的博客
09-27 460
由于平时课程安排以及作业等原因，在和老师沟通之后，决定先暂停对视觉slam开源程序的学习，先专心完成EKF磁场校准android平台的开发。 所以打算先把之前的slam东西总结一下，阅读完orbslam的原论文，并完成虚拟机上的配置。 这里转载两篇关于图优化和g2o的博客。 深入理解图优化与g2o：图优化篇 深入理解图优化与g2o：g2o篇 ...
视觉SLAM十四讲：G2O优化与点云特征提取技术
- 视觉SLAM十四讲：这部分可能指的是一个系统的教程或课程，它可能包含了14个关键章节或课程，详细讲解视觉SLAM的理论知识与实践技巧。 描述中提到的知识点包括： - g2o优化：这是对G2O图优化框架的具体应用，涉及...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值