视觉SLAM十四讲读书笔记
文章平均质量分 87
家家的快乐空间
这个作者很懒,什么都没留下…
展开
-
《视觉SLAM十四讲》读书笔记(四)
非线性优化6.1 状态估计问题批量状态估计与最大后验估计 6.1 状态估计问题 批量状态估计与最大后验估计 考虑从1到NNN的所有时刻,并假设有M个路标点。定义所有时刻的机器人位姿和路标点坐标为: ...原创 2021-12-05 19:37:50 · 1058 阅读 · 0 评论 -
《视觉SLAM十四讲》读书笔记(三)
这里写目录标题5.1 相机模型5.1.1 针孔相机模型5.1.2 畸变模型 5.1 相机模型 5.1.1 针孔相机模型 设O−x−y−zO-x-y-zO−x−y−z为相机坐标系,习惯上我们让zzz轴指向相机前方,xxx向右,yyy向下(此图我们应该站在左侧看右侧)。OOO为摄像机的光心,也是针孔模型中的针孔。现实世界的空间点PPP,经过小孔OOO 投影之后,落在物理成像平面O′−x′−y′O'-x'-y'O′−x′−y′上,成像点为P′P'P′。设PPP 的坐标为[X′,Y′,Z′]T[X', Y', Z原创 2021-11-10 15:34:48 · 2147 阅读 · 0 评论 -
《视觉SLAM十四讲》读书笔记(二)
李群与李代数 引入李群与李代数的原因:旋转矩阵自身是带有约束的(正交且行列式为1).它们作为优化变量时,会引入额外的约束,使优化变得困难。通过李群——李代数间的转换关系,我们希望把位姿估计变成无约束的优化问题,简化求解方式。 4.1 李群与李代数基础 三维旋转矩阵构成了特殊正交群SO(3) 变换矩阵构成了特殊欧式群SE(3) SO(3)={R∈R3×3∣RRT=I,det(R)=1}SE(3)={T=[Rt0T1]∈R4×4∣R∈SO(3),t∈R3} \begin{array}{l} \mathrm{S原创 2021-10-30 17:07:06 · 408 阅读 · 0 评论 -
《视觉SLAM十四讲》读书笔记(一)
本着重温知识和巩固基础的目的,我最近重新精读一次《十四讲》。考虑到脑子不好使,每次看完就忘记,因此开一个专栏专门用于记录重要知识点。由于本身具备一定的SLAM系统开发经验和理论知识,因此一些太过基础的知识会适当省略过。 3 三维空间刚体运动 知识点: 三维空间的刚体运动描述方式:旋转矩阵、变换矩阵、四元数和欧拉角 Eigen库的矩阵、几何模块的使用 3.1 旋转矩阵 3.1.1 点、向量和坐标系 基[e1,e2,e3][\boldsymbol{e}_{1}, \boldsymbol{e}_{2}, \b原创 2021-10-26 22:57:14 · 346 阅读 · 0 评论