slam
文章平均质量分 81
hai008007
这个作者很懒,什么都没留下…
展开
-
《视觉SLAM十四讲》书籍图片资源
转自:https://blog.csdn.net/nnnnnnnnnnnny/article/details/70947568最近在拜读高博的新作《视觉SLAM十四讲》,发现书中的灰度图片有时会造成对相关内容理解困难,随将书中的图片存放在这里,以便随时查阅。我想高博看到了,也一定不会反对的,哈哈。chapter22-12-22-32-42-52-62-82-92-102-112-122-132-1...转载 2018-05-06 22:54:08 · 1569 阅读 · 0 评论 -
g2o学习
写在前面跟着g2o的slam2d_tutorial进行了学习,发现自己对于顶点和边的理解还是不太够,觉得有必要把顶点和边的一些东西再给总结一下,主要参考的就是如下网站: http://docs.ros.org/fuerte/api/re_vision/html/namespaceg2o.html 这个网站里面有较为全面的g2o的类以及函数的讲解,很方便。g2o的顶点(Vertex)首先我们来看一下...转载 2018-07-07 00:43:34 · 948 阅读 · 0 评论 -
Lucas-Kanade 算法原理以及应用,正向、反向、additive、Compositional光流法
先祭出一片神级总结性的文章:Lucas-Kanade 20 Years On: A Unifying FrameworkLucas-Kanade 算法原理以及应用Lucas-Kanade 算法原理以及应用一 算法原理1 目标函数2 一阶泰勒公式展开3 最小化目标函数条件下的pDelta p二 LK算在跟踪的应用1 平移角度尺度版本2 平移版本3 平移尺度版本4 算法流程三 小结四 参考文献一...转载 2018-06-26 10:56:52 · 5701 阅读 · 2 评论 -
RANSAC-随机采样一致算法
先说最小二乘。ok,你手头有一堆数据,比如这些蓝点:那么我们假设它符合一个直线模型:y=ax+b,用最小二乘就可以很容易求解出未知参数a和b。最小二乘大法确实好哇,毕竟高斯用它来估计谷神星的轨道(https://math.berkeley.edu/~mgu/MA221/Ceres_Presentation.pdf;http://www.cnblogs.com/washa/p/3164212.htm...转载 2018-06-24 15:34:00 · 1166 阅读 · 0 评论 -
IMU与camera标定、Kalibr
目前的研究方向可以总结为在滤波算法中实现高精度,在优化算法中追求实时性.当加入IMU后,研究方向分为松耦合和紧耦合,松耦合分别单独计算出IMU测量得到的状态和视觉里程计得到的状态然后融合,紧耦合则将IMU测量和视觉约束信息放在一个非线性优化函数中去优化.紧耦合的框架使得IMU数据可以对视觉里程计进行矫正,同时视觉里程计信息也可以矫正IMU的零偏,因此一般认为紧耦合的定位精度较高.个人认为松耦合和滤...转载 2018-06-07 17:31:38 · 3799 阅读 · 1 评论 -
转载:张正友相机标定Opencv实现以及标定流程&&标定结果评价&&图像矫正流程解析(附标定程序和棋盘图)
使用Opencv实现张正友法相机标定之前,有几个问题事先要确认一下,那就是相机为什么需要标定,标定需要的输入和输出分别是哪些?相机标定的目的:获取摄像机的内参和外参矩阵(同时也会得到每一幅标定图像的选择和平移矩阵),内参和外参系数可以对之后相机拍摄的图像就进行矫正,得到畸变相对很小的图像。相机标定的输入:标定图像上所有内角点的图像坐标,标定板图像上所有内角点的空间三维坐标(一般情况下假定图像位于Z...转载 2018-06-07 16:06:50 · 230 阅读 · 0 评论 -
马氏距离
马氏距离 用来度量一个样本点P与数据分布为D的集合的距离。 假设样本点为: 数据集分布的均值为: 协方差矩阵为S。 则这个样本点P与数据集合的马氏距离为: 马氏距离也可以衡量两个来自同一分布的样本x和y的相似性: 当样本集合的协方差矩阵是单位矩阵时,即样本的各个维度上的方差均为1.马氏距离就等于欧式距离相等。 当协方差矩阵是对角矩阵时,即样本数据在各个维度上的方差可能不为1.此时...转载 2018-06-13 23:15:19 · 741 阅读 · 0 评论 -
OpenCV学习笔记(十二):OpenCV坐标系与row&col的关系 (Mat::at(x,y)和Mat::at(Point(x, y))的区别)
直接给出对应关系吧注意都是相反的row == heigh == Point.ycol == width == Point.xMat::at(Point(x, y)) == Mat::at(y,x)因为还有点的坐标,所以建议在访问时都用Mat::at(Point(x, y))这种形式吧,免去了点坐标和行列的转换补充(详细解释)坐标体系中的零点坐标为图片的左上角,X轴为图像矩形的上面那条水平线;Y轴为...转载 2018-06-21 11:46:50 · 1034 阅读 · 0 评论 -
有关eigen库的一些简单用法
目录介绍安装Demo矩阵、向量初始化C++数组和矩阵转换矩阵基础操作点积和叉积转置、伴随、行列式、逆矩阵计算特征值和特征向量解线性方程最小二乘求解稀疏矩阵介绍Eigen是一个轻量级的矩阵库,除了稀疏矩阵不成熟(3.1有较大改进)以外,其他的矩阵和向量操作都比较完善,而且速度不错.不支持vc6.0,vs最低版本支持2003(打补丁),最好是2005以上.安装在eigen 3.1.3下载最新的版本,然...转载 2018-05-30 15:59:11 · 1728 阅读 · 0 评论 -
SLAM相关论文与研究方向
[1]陈卫东, 张飞. 移动机器人的同步自定位与地图创建研究进展[J]. 控制理论与应用, 2005, 22(3):455-460.[2]Cadena C, Carlone L, Carrillo H, et al. Past, Present, and Future of Simultaneous Localization and Mapping: Toward the Robust-Perce...原创 2018-05-26 15:21:26 · 5090 阅读 · 0 评论 -
视觉slam学习资料整理
转自:http://blog.163.com/zhang_hu_0728/blog/static/24688806720170355714689/(1) orb_slam 官网(网站最后有5篇论文,价值很高)http://webdiis.unizar.es/~raulmur/orbslam/(2)半仙居士blog(可以都看,很经典)http://www.cnblogs.com/gaoxian...转载 2018-09-06 21:56:43 · 493 阅读 · 0 评论