- 博客(5)
- 收藏
- 关注
RSS订阅原创 A Robust RGB-D SLAM System With Points andLines for Low Texture Indoor Environments阅读
用RGBD相机做了个点-线特征的SLAM，构建了一个统一的优化模型来同时最小化点和线的重投影误差，进一步扩展到BA（后端部分），在这个统一优化模型中，提出了一个基于PnP和PnL的离群点精化算法，主要针对点对线的离群问题。如图，先用点特征匹配解算（OpenCV里面的solvePnPRansac）得到一组内点和初始的位姿，然后用本文的LBIR把不属于线段的外点去除，然后用统一的点线优化模型得到最终的位姿。，当代数误差小于该阈值时，则判定为内点，即wi=1，反之为0，由此矩阵W(x)即可不停的更新，而阈值。
2023-04-12 22:22:16
144
原创 基于点-线的单目VO或VSLAM总结
然后对于每个传入的新帧，首先，检测线段并将其与关键帧的边缘相匹配。Tracking中使用传入帧上的匹配来细化所有活动关键帧中的IP(Immature Point)和IL(Immature Line).的位置。3D空间中位于一条直线上的点在图像帧之间会一直保持共线这一事实，选择位于图像中线段上的点作为特征点，而将不在线段上的杂点去除，从而提高了特征提取的效率，降低了计算消耗。通过其邻域中的梯度提取并描述点。将在线上采样的点应用到系统中，而不是使用复杂的线描述符，该线由其上采样的点描述，即用点代表线。
2023-04-11 21:37:32
58
1
原创 IDOL: A Framework for IMU-DVS Odometry using Lines阅读
就和上面的图一样，左图中两个端点决定的线段和实际的事件集群并不是重合的，那么在端点外部的红色事件点就会产生拉力把线段往事件点多的地方拉，排斥力与事件的数量有关，最后就会和右图一样，线段刚好落在事件集群上。这个时候产生排斥力的事件数量是最少的，线的端点的位置也是最准确的。文章用线特征做了一个惯性-事件的视觉里程计，前端部分用来提取环境中的属于线的事件集群，后端用来估计系统的沿着线的3D尾汁的轨迹，估计的方法是最小化点-线的距离，点-线距离是指独立的事件点和线在图像上的投影之间的距离。文章前面提到一个公式。
2023-03-31 22:23:39
54
原创 Asynchronous corner detection and tracking for event cameras in real time阅读
研究半天想写一下的，发现有人写了比较清晰的了，那转一下吧。
2023-03-27 21:35:27
66
原创 CVPR2021,Comparing Representations in Tracking for Event Camera-based SLAM阅读
就是这个公式，x表示一个像素，t是某个时间戳，tlast(x)表示在t之前在像素x上生成的最后一个事件时的时间，I(x,t)表示在时间t的时候，像素x的强度，所以可以看出来，如果在像素x上生成的最后一个事件时的时间tlast(x)刚好等于时间戳t，那么此时像素x的强度刚好是1，在像素x上生成的最后一个事件时的时间tlast(x)离t越久，那么x的强度I(x,t)的值就越小（越接近0），所以说TS强调了最近的事件和不是过去的事件。），优点是信息量更多，缺点是一个TS的生成时间是5-10ms。
2023-03-25 22:02:17
135
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人