VIO
文章平均质量分 82
学习记录
古路
这个作者很懒,什么都没留下…
展开
-
pl_vio线特征·part II
现在CSDN有字数限制了,被迫拆分为两篇文章。图2 空间直线投影到像素平面要想知道线特征的观测模型,我们需要知道线特征从归一化平面到像素平面的投影内参矩阵 K\cal{K}K 。如图2,点 CCC 和 DDD 是直线 L=(n⊤,d⊤)⊤\mathcal{L} =(\mathbf{n}^{\top},\mathbf{d}^{\top})^{\top}L=(n⊤,d⊤)⊤ 上两点,点 ccc 和 ddd 是它们在像素平面上的投影。 c=KCc = KCc=KC,d=KDd=KDd=KD ,KKK是相机的内参原创 2023-12-17 14:04:37 · 538 阅读 · 0 评论 -
pl_vio线特征·part I
然而, 使用由法线向量和方向向量表示的 3D 线, 可以简单地从两个几何视图执行三角测量, 并且也可以方便地对线几何变换进行建模。此外,正交表示和普吕克坐标可以相互转换,这意味着我们可以在 SLAM 系统中出于不同的目的同时采用它们。的定义, 这四个 DoF 包括来自旋转矩阵 (将线坐标变换到相机坐标系) 的 3 个 DoF, 以及来自距离。是由直线和坐标原点确定的平面法向量。当在两个不同的摄像机视图中观察到新的线地标时,可以轻松计算出普吕克坐标。匹配的结果,对应关系,其实就是存储的全局ID信息。原创 2023-12-16 19:34:37 · 977 阅读 · 0 评论 -
marginalization
主要参考博客与链接:代码解读参考链接:模型:主要还是在 视觉误差对 状态量的求导。简单的重投影误差。模型:传入因子的待优化参数块,注意传入的是指针:第二类约束没怎么看懂:构建好Jacobian以及残差后对 H、b进行拼接:然后对需要移除的变量进行margin:margin后需要对剩下的 H、b恢复Jacobian存入剩余的状态变量中,留作下一轮优化。这一块参考上面列举的博客。理论基本在上述博客中,如果是简单的学习,直接看 vins-mono 的就好,如果要对这块做更改,那就得深入学习,那这个demo就很原创 2022-07-13 21:16:48 · 429 阅读 · 0 评论 -
Ubuntu16.04 OpenBLAS Install
OpenBLAS Install0.引言1.Install2.Err3.CMakeLists.txt4.Demo5.注意事项0.引言Github.1.Installgit clone https://github.com/xianyi/OpenBLAS.gitcd OpenBLASmake USE_OPENMP=1sudo make PREFIX=/usr/local/OpenBLA...原创 2019-09-07 09:36:05 · 1810 阅读 · 4 评论 -
SLAM中的零空间问题
SLAM中的零空间问题0. 引言1.矩阵零空间2.一个解题的例子3.SLAM系统中的可观性定义4.SLAM中的零空间问题5.解决0. 引言首先回顾一下张宇讲的。对Ax=0Ax=0Ax=0、矩阵AAA.线性相关,有非0解,不是满秩,行列式为0, 有多余向量。线性无关, 只有0解,满秩,行列式不为0,没有多余向量。1.矩阵零空间对于矩阵AAA,所有满足Ax=0Ax=0Ax=0,的向量x...原创 2019-09-02 16:07:23 · 3801 阅读 · 10 评论 -
SLAM中利用舒尔补求解稀疏Hessian的逆
SLAM中利用舒尔补求解稀疏Hessian的逆0.引言1.Solved0.引言由于Hessian矩阵很大导致直接求逆会很慢很慢。包括求解GN、LM算法中的增量方程以及DogLeg算法中的GN步都可以用使用舒尔补进行加速求解!1.Solved可以利用稀疏性:1.舒尔补2.Cholesky因式分解SLAM中首选舒尔补!...原创 2019-08-21 09:43:47 · 1364 阅读 · 0 评论 -
VIN0.Readme
VIN0.Readme0.introduction1.Reference2.Contents0.introduction打算记录一下看代码的流程。1.Reference. 后续博客主要参考以下资料,后续博客中不再详细列出会给出一个参考链接。参考资料主要是以下链接但不完全,每每看到大神做事情的态度,真是让人折服!敬之,习之!十分感谢大神们的工作与付出!ref0:崔华坤ref1:邱笑晨...原创 2019-09-23 09:16:40 · 272 阅读 · 0 评论 -
VIN3.系统初始化
VIN3.系统初始化引言1.初始化流程2.CalibrationExRotation3.检测 IMU 可观性4.relativePose5.GlobalSFM.construct6.visualInitialAlign6.1.陀螺仪 bias 校正6.2.初始化速度、重力和尺度因子6.3.修正重力矢量引言搬运工 + 自己阅读代码理解。pipeline如图:本节则是阅读总结Initializ...原创 2019-09-23 09:21:14 · 675 阅读 · 0 评论 -
VIN2.IMU预积分
VIN2.IMU预积分0.引言1.IMU测量模型2.当前时刻 PVQ 的连续形式3.当前时刻 PVQ 的中值法离散形式4.两帧之间 PVQ 增量的连续形式5.两帧之间 PVQ 增量的离散形式6.连续形式下 PVQ 增量的误差、协方差及 Jacobian6.1.基于误差随时间变化的递推方程7.离散形式的 PVQ 增量误差分析8.离散形式的 PVQ 增量误差的 Jacobian 和协方差0.引言搬...原创 2019-09-23 09:18:47 · 742 阅读 · 0 评论 -
VIN1.视觉前端
VIN1.视觉前端0.引言1.流程1.1.readImage()函数2.主要视觉函数2.1.包含的视觉算法2.2.图像显示3.数据结构0.引言搬运工+自己代码阅读。1.流程每个相机都有一个FeatureTracker实例,即TrackeData[i],然后调用每个相机实例中的readImage()函数提取和跟踪特征点,然后将所有相机的特征点融合到feature_points(sensor_...原创 2019-09-23 09:17:15 · 565 阅读 · 0 评论