本文深入探讨了视觉SLAM中的相机模型，包括针孔相机模型、畸变模型和双目相机模型，以及RGB-D相机的工作原理。同时，介绍了批量状态估计问题，特别是非线性最小二乘问题在解决观测数据中噪声的影响。重点讲解了Gauss-Newton和Levenberg-Marquadt方法，并强调了非线性优化在实际应用中的挑战和收敛特性。
在以相机原理为主的视觉SLAM中，观测主要是指相机成像的过程。
相机模型
用几何模型来描述相机将三维世界中坐标点映射到二维图像平面的过程。
针孔模型：描述了一束光纤通过针孔之后，在针孔背面投影成像的关系。
畸变模型：由于相机镜头上的透镜的存在，使得光纤投影到成像平面的过程中会产生畸变。
这两个模型能够把外部的三维点投影到相机内部成像平面，构成相机的内参数。
针孔相机模型
像素坐标系与成像平面之间，相差了一个缩放和一个原点的平移。
投影顺序：世界——相机——归一化平面——像素
同一直线上的投影点仍是同一个。
除内参外，相机坐标系与世界坐标系还相差一个变换：
先把P从世界坐标变到相机坐标系下
这里 R, t 或 T 称为外参，外参是SLAM估计的目标
- 注：右侧式子隐含了一次非齐次到齐次的变换（见书）
畸变
主要的畸变类型：径向畸变和切向畸变
畸变可以用归一化坐标的变换来描述
小结
单目相机的成像过程
最低0.47元/天 解锁文章
1569
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
