视觉SLAM十四讲 学习笔记005

最新推荐文章于 2024-09-04 20:23:24 发布
最新推荐文章于 2024-09-04 20:23:24 发布
阅读量121 收藏
点赞数
文章标签： 学习 opencv 人工智能
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/128164171
版权

视频6

这一期没安装什么东西，就是opencv之前安装过的
效果：
在这里插入图片描述
在这里插入图片描述

视频7

啥也没动

视频8

ch8里的

~/Documents/003slam/Code/slambook/ch8/data$ tar -xzvf data.tar.gz 
=>标准操作ch8/LKFlow/build cmake make
cd ..
build/useLK ../data

在这里插入图片描述

  • build/direct_sparse …/data

在这里插入图片描述
在这里插入图片描述

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
  • 1
    评论
视觉SLAM十四讲学习笔记——第十二讲 建图
weixin_61294345的博客
11-27 4471
SLAM实际上是一种底层技术，往往用来给上层应用提供信息。在前文已实现的部分，我们最多得到的仅是一个稀疏的地图，在需要实现导航、避障、重建等应用时，稀疏地图很难提供足够的信息，需要考虑如何重建稠密地图，即建模所有看到过的部分。 根据使用相机的不同可以分为：“单目稠密重建”和“RGB-D稠密建图”（双目应该和RGBD类似，都可以主动测得或计算出图像深度）。其中RGB-D相机的稠密重建较为简单，最直观、简单的方法就是将RGB-D数据转换为点云地图，再结合相机位姿进行拼接，并对点...
视觉SLAM十四讲学习笔记——第九讲 后端优化（1）
weixin_61294345的博客
11-25 2706
经过前端（视觉里程计）估计得到的轨迹和地图由于存在累计误差，在长时间内是不准确的。因此希望构建一个针对全局的更大规模的优化问题，得到最优的轨迹和地图，这里主要有两种解决思路： （1）基于马尔可夫性假设的卡尔曼滤波器：马氏性假设可以简单地理解为“当前时刻状态只与上一时刻有关”。针对SLAM问题（非线性）的卡尔曼滤波器给出了单次线性近似下的最大后验估计，或者说是优化过程中一次迭代的结果。 （2）非线性优化：非线性优化考虑了当前及之前所有时刻的状态，同时优化所有时刻的相机位姿以及各个特征点的空...
视觉SLAM十四讲学习笔记
weixin_42751489的博客
12-21 1825
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言第一讲 预备知识1.1 本书讲什么SLAM特点目的相关书籍第二讲 初识SLAM2.1自主运动能力传感器摄像头2.2流程视觉里程计后端优化回环检测建图度量地图拓扑地图2.3 数学表述运动过程的数学表述基本定义运动观测 前言 c 第一讲 预备知识 1.1 本书讲什么 SLAM Simultaneous Localization and Mapping，中文译作“同时定位与地图构建”。 特点 搭载特定传感器的主体; 没有环境先验信
《视觉SLAM十四讲》学习笔记
qq_29128985的博客
11-07 3122
《视觉SLAM十四讲》学习笔记 第一讲：添加链接描述 第二讲
【slam】视觉slam十四讲笔记
Sixyeah的博客
07-26 137
学习slam必备知识及软件。
视觉slam十四讲 学习笔记-1
echo_gou的博客
09-06 432
运动方程和观测方程：Xk代表相机的本时刻的运动和上一次运动之间的关系；Zkj表示的是第k时刻相机和第j个物体之间的距离信息。
【视觉SLAM十四讲学习笔记】第三讲——四元数
PuddleRubbish的博客
11-28 371
旋转矩阵用9个量描述3自由度的旋转，具有冗余性；欧拉角和旋转向量是紧凑的，但具有奇异性。事实上，我们找不到不带奇异性的三维向量描述方式。类似于用两个坐标表示地球表面（如经度和纬度），必定存在奇异性（纬度为 ±90° 时经度无意义）。回忆以前学习过的复数。我们用复数集C表示复平面上的向量，而复数的乘法则表示复平面上的旋转：乘上复数i相当于逆时针把一个复向量旋转 90°。四元数四元数是Hamilton找到的一种扩展的复数。它既是紧凑的，也没有奇异性。缺点是四元数不够直观，其运算稍复杂些。
视觉SLAM十四讲学习笔记（一）初识SLAM
qq_53589322的博客
02-04 1335
SLAM: Simultaneous Localization and Mapping 同时定位与地图构建（建图）。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地的模型。同时储计自己的运动。视觉SLAM:以相机为主要传感器的SLAM。同时从图像中估计相机的运动以及环境的情况。传感器在空间运动中将自己的运动估计出来，返给使用者；在运动过程中描述出运动环境。【高翔】视觉SLAM十四讲_哔哩哔哩_bilibili。
视觉slam十四讲 学习笔记-2
echo_gou的博客
09-26 437
运用：在一个坐标系e下的的向量通过乘以e到e'之间的旋转矩阵可以变换成e'下的向量a=Ra'，其中R就是旋转矩阵。图中a和a'分别表示一个任意向量p分别在e和e;坐标系下的向量坐标。旋转矩阵和他的性质之间是可以互推的关系这样两个坐标系之间的运动就可以用R和t来完全描述（R是旋转矩阵，t是平移）简化书写形式（齐次的坐标）：变换矩阵的集合称为。
视觉SLAM十四讲学习笔记——第十三讲 实践：设计SLAM系统
weixin_61294345的博客
12-02 2559
1.如何运行示例代码 2.主要头文件 3.主要算法框架图 4.主要关注的问题
视觉slam十四讲学习笔记（五）非线性优化
qq_53589322的博客
02-15 1595
1.理解最小二乘法的含义和处理方式。2.理解等下降策略。3.学习Ceres库和g2o库的基本使用方法。视觉SLAM十四讲ch6_哔哩哔哩_bilibili在视觉SLAM（Simultaneous Localization and Mapping，即同时定位与地图构建）中，最大后验估计（Maximum A Posteriori Estimation，MAP）和最大似然估计（Maximum Likelihood Estimation，MLE）是两种常用的参数估计方法。
视觉SLAM十四讲学习笔记——第六讲 非线性优化（1）
weixin_61294345的博客
10-22 1121
非线性优化算法在SLAM中主要解决的问题：如何在有噪声的数据中进行准确的状态估计。 1.最小二乘问题引出 首先，将SLAM中的状态估计问题，从概率学的角度分析：已知输入数据u和观测数据z的条件下，求状态x,y的条件概率分布，由贝叶斯法则将条件概率分布表示为“后验概率=似然 * 先验概率”的形式： 此时状态最优估计问题转化为了一个该状态下后验概率最大化（最大后验分布）问题： 要最大化后验概率，也就是要最大化似然和先验概率的乘积，先验概率多数情况...
【学习笔记】卫星通信NTN 3GPP标准化进展分析（六）- 参考标准
u011376987的博客
09-01 1134
本文总结了NTN标准化进程以及后续的研究计划，是学习NTN协议的入门。本文来自3GPP Joern Krause, 3GPP MCC。
Datawhale X 李宏毅苹果书AI夏令营 学习笔记
m0_61049596的博客
08-31 1191
今天，我继续学习了深度学习中的优化算法，并且着重理解了如何利用。等高级优化器来提高模型训练的效率和效果。2024年8月30日。
iomuxc、pinctrl子系统、gpio子系统（学习总结）
最新发布
weixin_61385844的博客
09-04 842
IOMUXC是SOC设计中实现引脚复用的关键组件，它通过动态切换引脚功能，提高了IO资源的利用率，满足了不同外设和功能的IO需求。在配置和使用IOMUXC时，需要参考芯片使用手册和设备树文档，确保引脚功能的正确设置。
学习项目1
m0_62803606的博客
09-03 1598
这篇文章主要记录你最近入手的无线串口模块的配置情况，这是个很好的习惯，尤其是在你以后需要重复操作或排查问题时，会非常有帮助。- **DL_20无线串口模块**：这是一个常见的无线串口通信模块，通常基于nRF24L01+等无线通信芯片，支持点对点或多点通信，适合短距离的无线数据传输。是的，如果你按照步骤成功配置了两个模块并将它们连接到单机和电脑，当你在上位机软件（如SSCOM）上能稳定地接收到从单片机发送的数据（例如每秒输出的T值），就说明两个无线模块之间的通信已经配置成功。
算法的学习笔记—把数字翻译成字符串
业精于勤，荒于嬉
08-31 955
通过动态规划的方法，我们可以高效地计算出一个数字字符串有多少种不同的翻译方法。这个问题不仅考察了我们对动态规划的理解，还让我们熟悉了如何处理字符串中的边界情况和状态转移。希望通过这个例子的讲解，能够帮助你更好地理解动态规划的应用。😁热门专栏推荐想学习vue的可以看看这个java基础合集数据库合集redis合集nginx合集linux合集手写机制微服务组件spring_尘觉springMVCmybit欢迎大家加入我的社区尘觉社区文章到这里就结束了，如果有什么疑问的地方请指出，诸佬们一起来评论区一起讨论
网络编程学习：TCP/IP协议
kkbbaaii的博客
09-01 1586
网络编程学习：TCP/IP协议
视觉slam十四讲笔记
08-13
在《视觉SLAM十四讲》中，章节安排如下： 1. 数学基础部分：介绍这本书的基本信息，包括自测题。概述SLAM系统的组成和各模块的工作。介绍三维空间运动、李群和李代数、针孔相机模型以及非线性优化。完成一个曲线...
评论 1
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