【高翔】视觉SLAM十四讲 学习笔记002

最新推荐文章于 2024-07-25 22:24:14 发布
最新推荐文章于 2024-07-25 22:24:14 发布
阅读量110 收藏
点赞数
文章标签： 学习
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/imthewiner/article/details/128129670
版权

视频2

上集没学IDE，这次发现他用IDE了，所以补上

  • 添加项目
    在这里插入图片描述
  • 似乎无法像视频中一样直接打开CMakeLists
    在这里插入图片描述
  • 所以我这里只是选择打开了ch2文件夹
    在这里插入图片描述

debug模式

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
经过设置右边编号显示，即可实现断点功能
在这里插入图片描述

正式进入视频2

  • 打开ch3 useEigen文件夹
    在这里插入图片描述
  • 安装eigen
  • sudo apt-get install libeigen3-dev
  • ls /usr/include/eigen3/
    这是安装的eigen所在的位置
    eigen是比较传统的库，直接引用即可，不需要链接
# 添加Eigen头文件
include_directories( "/usr/include/eigen3" )

在这里插入图片描述

  • 编译并查看结果
    在这里插入图片描述
    在这里插入图片描述
  • 第三部分visualizeGeometry make报错
    在这里插入图片描述
  • 可能是没有安装对应的三维显示程序库，应该暂时不影响，所以就先不管了
百年江湖随意沉浮
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
SLAM——之Eigen函数库
格物致知
05-03 1902
1. Eigen示例 相较于Ceres而言，Eigen函数库相对较为简单，我们上一篇文章详细描述了Ceres的使用以及注意事项，由于Ceres能够使用ceres::AutoDiffCostFunction这一类的自动求导函数，相对而言更加轻松，所以Eigen更多的是做矩阵运算。这里我们给出上一篇文章最后的Ceres求解的Eigen版本。我们可以看到本质上差别不大，只是Eigen需要自己求解雅克比矩阵J，并在用GN构建增量方程后，使用ldlt求解线性方程HX=g。 #include <iostream&
高翔视觉slam十四讲有完整库的代码文件
09-20
高翔视觉slam十四讲有完整库的代码文件 ： 因为高翔视觉slam十四讲文件里面的，3rdparty文件夹下下载下来是空的，所以这里有专门的已经下载好了的文件夹供大家使用，不用再自己下载了，避免因版本不同而编译错误。...
【高翔】视觉SLAM十四讲 学习笔记003
imthewiner的博客
12-03 515
继续学习
高翔视觉SLAM十四讲学习笔记
boyhoodme的博客
02-20 1139
--------------------------------------------------ch8--------------------------------------------------------- 在ch8中的使用LK光流提取FAST角点，有代码错误，应该修改如下; 第一处错误 cv::Ptr&amp;lt;cv::FastFeatureDetector&amp;gt; detector ...
高翔视觉SLAM十四讲学习笔记-第6讲非线性优化
禾烁的博客
02-08 310
第六章非线性优化学习任务6.1 状态估计问题6.2 非线性最小二乘最速下降法确定增量（只保留一阶）牛顿法（保留二阶）G-N和L-M（详细解释看书）小结 学习任务 理解最小二乘法的含义和处理方式。 理解Gauss-Newton, Levenburg-Marquadt 等下降策略。 学习Ceres 库和g2o 库的基本使用方法。 6.1 状态估计问题 经典slam模型由状态方程和运动方程构成 xk是相机的位姿。我们可以使用变换矩阵或李代数表示它。至于观测方程，第五讲已经说明了它的内容，即针孔相机模
《视觉SLAM十四讲》学习笔记
qq_29128985的博客
11-07 3104
《视觉SLAM十四讲》学习笔记 第一讲：添加链接描述 第二讲
高翔视觉SLAM十四讲学习笔记3+PCL安装方式
qq_27658421的博客
06-21 1941
一.首先更新软件 sudo apt-get update 二.安装VTK视觉模块 进入管网下载，选好对应到版本，选择8.2或者7.1，太新的版本可能需要安装更高版本到cmake，所以建议安装8.2或者7.1.1,我自己安装到8.2,下载地址 VTK 下载完解压进入目录，编译 cmake .. make sudo make install 三.安装pcl依赖和工具 sudo apt-get install libpcl-dev pcl-tools sudo apt-get install freeglut
视觉SLAM十四讲从理论到实践学习笔记(高翔)-第一讲
qq_57087364的博客
04-13 434
slam即同时定位与地图构建（建图）。指的是搭载特定传感器的主体在没有环境先验信息的情况下与运动过程中建立环境的模型同时估计自己的运动。说的是两件事：1.传感器在空间运动过程中，首先要把自己的运动估计出来，因为传感器不能直接把运动返回给你。2.在空间运动过程中，把环境是什么样子这件事情给描述出来。描述不一定是唯一的。如果是地图也叫地图，但是三维空间中一些离散的点，有时候用这些点来定位，这些点也可以叫做地图。地图模型不一定是固定的。运动模型简单一些，把当前位置在哪里，就可以把轨迹估计出来，这就是估计它的运动。
高翔视觉SLAM十四讲学习笔记——第3讲刚体运动
禾烁的博客
09-22 706
一些重要的数学公式 坐标系间的欧氏变换 变化矩阵与齐次坐标 1)欧氏空间的坐标变换关系描述： a’=Ra+t(R旋转矩阵，t为平移向量) 2)齐次坐标和变换矩阵 [a′1]\begin{bmatrix} a'\\ 1\end{bmatrix}[a′1​]=[Rt01]\begin{bmatrix} R&t\\ 0&1\end{bmatrix}[R0​t1​][a1]\begin{bmatrix} a\\ 1\end{bmatrix}[a1​]=T[a1]\begin{bmatrix}
高翔视觉SLAM十四讲学习笔记-第7讲视觉里程计（♥重点章节♥）
禾烁的博客
02-20 642
第7讲视觉里程计学习任务7.1 特征点法举个栗子????ORBBRIEF 学习任务 理解图像特征点的意义, 并掌握在单幅图像中提取出特征点，及多幅图像中匹配 特征点的方法。 理解对极几何的原理，利用对极几何的约束，恢复出图像之间的摄像机的三维运 动。 理解PNP 问题，及利用已知三维结构与图像的对应关系，求解摄像机的三维运 动。 理解ICP 问题，及利用点云的匹配关系，求解摄像机的三维运动。 理解如何通过三角化，获得二维图像上对应点的三维结构。 7.1 特征点法 路标 特征点 举个栗子?
视觉SLAM十四讲-高翔 完整版
08-23
视觉SLAM十四讲-高翔 完整版
《视觉SLAM十四讲（高翔）》高清中文版PDF 1
08-03
《视觉SLAM十四讲》是一本深入探讨视觉Simultaneous Localization And Mapping（SLAM）的书籍，由高翔和张涛合著。该书旨在从理论到实践全面讲解SLAM技术，适合对机器人导航、自动驾驶或计算机视觉感兴趣的读者。书...
《视觉SLAM十四讲》笔记
01-06
1. 视觉SLAM 系统概述 SLAM 是Simultaneous Localization and Mapping 的缩写，中文译作“同时定位与地图构建” 。它是指搭载特定传感器的主体，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...
AvaloniaUI的学习
最新发布
lishuangquan1987的博客
07-25 973
官方中文文档：https://docs.avaloniaui.net/zh-Hans/docs/welcome。
Python编程学习第一篇——Python零基础快速入门（六）（4）异常处理
urhero的专栏
07-25 413
我们已经了解了Python的基本数据类型、变量和基本的逻辑控制语句，基于这些基础知识可以编写一些小程序了，但是在写程序的时候我们会发现，有时候程序并不是按我们预期的方向执行，有的直接报错，有的没有报错，却并未得到我们预期的结果。在这个例子中，除数为0会引发ZeroDivisionError异常，我们将异常信息赋值给变量e，并输出"除数不能为0"和异常信息。在这个例子中，由于除数不为0，所以没有发生ZeroDivisionError异常，代码会执行else语句块，并输出结果2.0。
JavaWeb学习——请求响应、分层解耦
ping12138的博客
07-25 945
学习响应数据的设置。注：对于响应结果的设置我们一般有统一的模板规范，以便于后续前后端交流。");// }//// addr.setProvince("广东");// addr.setCity("深圳");// }//// addr.setProvince("广东");// addr.setCity("深圳");//// }");addr.setProvince("广东");addr.setCity("深圳");
元器件基础学习笔记——二极管基础
weixin_50578108的博客
07-25 1219
N型半导体和P型半导体N型半导体：通过在纯净的半导体材料（如硅或锗）中掺入少量的五价元素（如磷或砷）形成。这些五价元素提供额外的自由电子，使得N型半导体的主要载流子为带负电的自由电子。P型半导体：通过在纯净的半导体材料中掺入少量的三价元素（如硼或铝）形成。这些三价元素在晶格中产生空穴，使得P型半导体的主要载流子为带正电的空穴。多数载流子和少数载流子载流子是带有电荷、并可运动而输运电流的粒子，包括电子、离子等。在电场作用下，这些带电粒子能够作定向运动，形成电流。
【机器学习西瓜书学习笔记——模型评估与选择】
m0_51148715的博客
07-25 507
若一个学习器的 ROC 曲线被另个学习器的曲线完全“包住”，则可断言后者的性能优于前者;我们通常会把学习器的实际预测输出与样本的真实输出之间的差异称为误差。以查准率为纵轴、查全率为横轴作图,就得到了查准率-查全率曲线,简称**“P-R曲线”**，显示该曲线的图称为“P-R图”.③查准率越高，说明模型预测结果中真正例的比例越高，模型对于正样本的识别能力越强。③查全率越高，说明模型能够成功预测出的正样本比例越高，模型的识别能力越全面。目的：对于一个模型，根据p不同，找到使得代价总期望最小的模型的阈值。
高翔视觉slam十四讲 笔记
08-25
高翔视觉SLAM十四讲的笔记主要包括前五章的总结、李群与李代数的笔记、第十三讲的工程实践，搭建双目视觉里程计框架并利用Kitti数据集测试性能的内容，以及第十四讲介绍当前开源SLAM方案以及未来发展方向的总结。...
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