slam
文章平均质量分 91
teddyluo
active, free, open
展开
-
[转载]三维旋转:旋转矩阵,欧拉角,四元数
如何描述三维空间中刚体的旋转,是个有趣的问题。具体地说,就是刚体上的任意一个点P(x,y,z)P(x,y,z)P(x, y, z)围绕过原点的轴(i, j, k)旋转θ,求旋转后的点P′(x′,y′,z′)P′(x′,y′,z′)P'(x', y', z')。旋转矩阵旋转矩阵乘以点P的齐次坐标,得到旋转后的点P’,因此旋转矩阵可以描述旋转,⎡⎣⎢⎢⎢x′y′z′1⎤⎦⎥⎥⎥=R...转载 2018-06-15 19:05:26 · 268 阅读 · 0 评论 -
《视觉SLAM十四讲》学习笔记-三角测量推导
依据对极几何的定义x⃗ 1x→1\vec{x}_1和x⃗ 2x→2\vec{x}_2是特征点经归一化处理后的坐标,则应满足: s1x⃗ 1=s2Rx⃗ 2+t⃗ s1x→1=s2Rx→2+t→ s_1\vec{x}_1 = s_2\mathbf{R}\vec{x}_2 + \vec{t} 上式中的RR\mathbf{R}和t⃗ t...转载 2018-06-18 09:17:14 · 2305 阅读 · 0 评论 -
《视觉SLAM十四讲》学习笔记-3D->2D: PnP问题的由来
PnP问题PnP为 Perspective-n-Point的简称,是求解3D到2D点对的运动的方法:即给出n个3D空间点时,如何求解相机的位姿。典型的PnP问题求解方式有很多种,例如P3P, 直接线性变换(DLT), EPnP(Efficient PnP), UPnP。还有非线性的Bundle Adjustment.DLT, 直接线性变换高空间点PPP的齐次方程为P=(X,Y...转载 2018-06-20 14:46:49 · 15134 阅读 · 1 评论 -
《视觉SLAM十四讲》学习笔记-Bundle Adjustment (BA) 问题
BA本质是把PnP问题当成李代数上的非线性最小二乘问题。线性问题的方式:先求相机位姿,再求空间点位置问题:给定nnn个三维空间点PPP和投影ppp,希望计算相机的位姿RR\mathbf{R}和t⃗ t→\vec{t},对应的李代数为ξξ\xi. 假设:Pi=[Xi,Yi,Zi]TPi=[Xi,Yi,Zi]T\mathbf{P}_i=[X_i, Y_i, Z_i]^T,则像素...转载 2018-06-20 16:41:04 · 2900 阅读 · 2 评论 -
《视觉SLAM十四讲》学习笔记-3D-3D位姿估计-ICP
ICP问题问题描述:假设匹配好的3D点为: P=p⃗ 1,⋯,p⃗ n, P′=p⃗ ′1,⋯,p⃗ ′nP=p→1,⋯,p→n, P′=p→1′,⋯,p→n′\mathbf{P} = { \vec{p}_1, \cdots, \vec{p}_n }, ~~\mathbf{P}' = { \vec{p}'_...转载 2018-06-20 16:43:12 · 4917 阅读 · 3 评论 -
《视觉SLAM十四讲》学习笔记-光流法原理
直接法的根源光流法(Optical Flow)Lucas-Kanade光流原理直接法原理总结直接法的根源特征点法存在的问题: - 关键点与描述子计算非常耗时; - 忽略除特征点外的其他所有信息; - 如何处理特征缺失的问题。克服特征点法的几种思路: * 保留特征点,只计算关键点,不计算描述子,用光流法跟踪特征点的运动; * 保留特征点...转载 2018-06-20 16:46:27 · 4698 阅读 · 1 评论 -
视觉SLAM: 专治机器路痴
背景介绍生活中身边有很多的朋友爱好旅行,在旅行中通常需要记住很多的路线及它们的关联以帮助我们快速到达目的地。世界上最可怕的事莫过于旅行的人是路痴。因为路痴走路从来不记路,当实在无路可走的时候就酱紫。机器人界里也存在路痴,然而机器人界的路痴却是很平常的事,毕竟科技还没进步到那种“机器如人一样智能”的程度。定位、定向、测速、授时四大方向相关的话题无时无刻渗透到我们的生活中。古时人们依靠夜观天象和...原创 2018-10-22 18:32:24 · 1969 阅读 · 0 评论 -
Google Cartographer 《Real-Time Loop Closure in 2D LIDAR SLAM》翻译 (中英对照)
Google Cartographer 《Real-Time Loop Closure in 2D LIDAR SLAM》翻译(中英对照)作者: Wolfgang Hess, Damon Kohler, Holger Rapp, Danie Andor校对: teddyluo, [email protected]目录Google Cartographer 《Real-Time Loop...原创 2019-03-29 13:10:38 · 8824 阅读 · 3 评论 -
《视觉SLAM十四讲》学习笔记-对极约束问题
对极约束问题描述:求取两帧图像I1,I2I1,I2I_1, I_2之间的运动。设第一帧到第二帧的运动为R,t⃗ R,t→\mathbf{R}, \vec{t},其中心分别为O1,O2O1,O2O_1, O_2, I1I1I_1中有一个点p1p1p_1对应到I2I2I_2的点为p2p2p_2. PPP为两个摄像机在远处的交点。O1O2PO1O2PO_1O_2P称为极平面(Epipo...转载 2018-06-18 09:08:50 · 1714 阅读 · 0 评论 -
《视觉SLAM十四讲》学习笔记-非线性最小二乘问题
非线性最小二乘问题:minx⃗ 12‖f(x⃗ )‖22minx→12‖f(x→)‖22\underset{\vec{x}}{\min}\frac{1}{2}\|f(\vec{x})\|_2^2 其迭代解步骤为: 1) 给定初值x⃗ 0x→0\vec{x}_0; 2) 对kkk次迭代,寻找增量△x⃗ k△x→k\triangle\vec{x}_...转载 2018-06-18 08:52:56 · 996 阅读 · 0 评论 -
《视觉SLAM十四讲》学习笔记-状态估计问题
最大后验与似然经典slam模型可表示为: {x⃗ k=f(x⃗ k−1,u⃗ k)+w⃗ kz⃗ k,j=h(y⃗ j,x⃗ k)+v⃗ k,j{x→k=f(x→k−1,u→k)+w→kz→k,j=h(y→j,x→k)+v→k,j\begin{cases}\vec{x}_k = f(\vec{x}_{k-1}...转载 2018-06-18 08:44:43 · 1614 阅读 · 0 评论 -
《视觉SLAM十四讲》学习笔记-四元数旋转后的点实部为0的证明
证明的过程会比较繁琐。首先看定义。假设两个四元数: q⃗ a=[sa,v⃗ a]=sa+xai+yaj+zakq→a=[sa,v→a]=sa+xai+yaj+zak\vec{q}_a=[s_a, \vec{v}_a] = s_a + x_ai+y_aj+z_ak q⃗ b=[sb,v⃗ b]=sb+xbi+ybj+zbkq→b=[sb,v→b]=sb...原创 2018-06-17 15:49:37 · 835 阅读 · 3 评论 -
《视觉SLAM十四讲》学习笔记-三维向量定义的叉积为李代数的证明(部分)
问题: 三维向量ℝ3R3\mathbb{R}^3上定义的叉积××\times是一种李括号,试证明原创 2018-06-17 15:55:59 · 1934 阅读 · 1 评论 -
《视觉SLAM十四讲》学习笔记-两个三维向量的李括号(即公式4.12)是李代数的验证
证明:每个ϕϕ\phi生成的反对称矩阵记为ΦΦ\Phi: Φ=ϕ∨=⎡⎣⎢⎢0ϕ3−ϕ2−ϕ30ϕ1ϕ2−ϕ10⎤⎦⎥⎥∈ℝ3×3Φ=ϕ∨=[0−ϕ3ϕ2ϕ30−ϕ1−ϕ2ϕ10]∈R3×3\mathbf{\Phi}=\phi^\vee=\begin{bmatrix}0 & -\phi_3 & \phi_2\\\phi_3 & 0 & -\phi_1 \\-\phi_2 & \ph...原创 2018-06-17 16:01:38 · 2718 阅读 · 1 评论 -
《视觉SLAM十四讲》学习笔记-指数与对数映射
SO(3)的指数映射:转载 2018-06-17 16:09:12 · 3125 阅读 · 0 评论 -
《视觉SLAM十四讲》学习笔记-李代数求导与扰动模型的一些重要公式
BCH(Baker-Campbell-Hausdorff)公式: ln(exp(A)exp(B))=A+B+12[A,B]+112[A,[A,B]]−112[B,[A,B]]+⋯ln(exp(A)exp(B))=A+B+12[A,B]+112[A,[A,B]]−112[B,[A,B]]+⋯\ln (\exp (\mathbf{A}) \exp (\mathbf{B}) ) = \mat...转载 2018-06-17 16:26:06 · 4840 阅读 · 10 评论 -
《视觉SLAM十四讲》学习笔记-第四讲部分习题的证明思路
验证SO(3)、SE(3) 和Sim(3) 关于乘法成群 证明: 先看SO(3). 定义为: SO(3)={R∈ℝ3×3|RR⊤=I,det(R)=1}SO(3)={R∈R3×3|RR⊤=I,det(R)=1}SO(3) = \{\mathbf{R}\in \mathbb{R} ^{3\times3} | \mathbf{R}\mathbf{R}^\top = \mathbf{I},...原创 2018-06-17 16:36:20 · 3690 阅读 · 2 评论 -
《视觉SLAM十四讲》学习笔记-摄像机成像公式
针孔相机模型摄像机内外参数矩阵内参数矩阵外参数矩阵畸变径向畸变切向畸变双目相机模型RGB-D模型针孔相机模型设P点坐标为[X,Y,Z]⊤[X,Y,Z]⊤[X, Y, Z]^\top, P′P′P'坐标为[X′,Y′,Z′]⊤[X′,Y′,Z′]⊤[X', Y', Z']^\top, 根据三角形等比关系有 Zf=−XX′=−YY′Zf=−X...转载 2018-06-17 17:26:49 · 1895 阅读 · 0 评论 -
《视觉SLAM十四讲》学习笔记-slam问题的数学描述
假设时刻可以离散化为[Math Processing Error]t1,⋯,Kt_1, \cdots, K, 各时刻机器人的位置为[Math Processing Error]x→1,⋯,x→K\vec{x}_1, \cdots, \vec{x}_K, 路标为 [Math Processing Error]y→1,⋯,y→K\vec{y}_1, \cdots, \vec{y}_K.SLAM的运...转载 2018-06-18 08:28:25 · 1395 阅读 · 0 评论 -
ROS激光SLAM导航理解
ROS激光SLAM导航理解注:最近学习ROS的导航,需要理清ROS的SLAM、环境感知(costmap)、与导航算法。为防止自己忘记,将觉得有价值的内容摘抄于此。文章目录ROS激光SLAM导航理解激光SLAM基本原理基本原理1、占据栅格地图基本原理2、导航基本原理SLAM与导航系统框架: 激光SLAM系统框架建图系统框架导航系统框架`move_base`中的使用运用`plugins `Cost...转载 2019-06-18 16:31:24 · 22736 阅读 · 3 评论