OORRANNGGE的博客

参数化    在Bundle Ajustment中，参数空间通常呈现出高维度、非线性的特点。其中对于3D特征点的优化占据了大量的运算量。    3D特征点最常用的参数化方式为:Xi=(xi,yi,zi)TX_i = (x_i,y_i,z_i)^TXi​=(xi​,yi​,zi​)T    或者齐次式：Xi=(xi,yi,zi,1)TX_i = (x_i,y_i,z_i,1)^TXi​=...

之前一直在用OpenCV的Viz模块做三维显示，看了一些Pangolin的效果还是觉得Pangolin比较适合用于SLAM中的三维显示。刚在MAC下装了Pangolin，编译了几个demo，有的能运行，有的不能运行，把学习过程和遇到的问题在这里记录一下。CMakeLists.txt里面必须指定C++11才能成功编译，否则会报错。我加了2条：set(CMAKE_BUILD_TYPE “Rele...

这段时间在看VINS，写一下总结。VINS需要在ROS框架下运行，而自己用的是Mac，不能很好的支持VINS，于是在把代码搞熟之后自己发挥动手能力在Mac下把VINS搭建了一遍，效果如下。VINS在ros框架下进行开发，主要由3个节点构成：feature_tracker, vins_estimator和pose_graph。对应代码位于同名文件夹下，其中config文件夹主要包含了不同dem...

这两天试着写了个Structure from Motion的实现，巩固一下对sfm细节的掌握，本来以为sfm应该挺简单的，但最后写完发现代码还是不少。最后在Kitti数据集上跑了一下，基本能够还原运动过程和特征点的位置，由于没有进行BA优化，所以总体的准确度还有一定的提升空间。理论推导部分Structure from Motion是单目视觉运动估计的一种常用方法，主要通过对极几何和求...

s-msckf主要由image_processor跟msckf_vio两个节点组成。Image_processor中主要的算法位于ImageProcessor::stereoCallback()。一、前端图像处理image_processor::stereoCallback()接收双目图像数据，首先构建图像金字塔，用于光流跟踪、双目匹配，保存在curr_cam1_pyramid_，curr_...

    最近在尝试用光流法写一个基本的双目视觉SLAM，希望通过这个项目把SLAM的各个模块都自己实现一遍，以此加深对SLAM各个模块的理解。    目前刚完成了一个通过求解相邻帧PnP问题的双目视觉里程计，基本有了一个粗糙的效果，后续还需要把Bundle Adjustment、边缘化、回环检测和位姿图优化加上去。回环检测暂时设想用ORB来做。    在这里把这个初步的里程计的思路记录一下。...

利用光流跟踪可以对左右图像的特征点进行快速匹配，相比于利用描述子（Descriptor）进行匹配，使用光流跟踪速度更快，然而，使用光流法进行跟踪会返回一些错误跟踪的点，如下图中圈红圈的部分。最近看了一些开源代码，发现了2种用于去除外点的方法。1.基于RANSAC算法估计左右图像的基础矩阵该方法可以用cv::findFundamentalMat实现，且十分高效。可以看到第一幅图中红圈...

Lsd_slam的主函数位于main_live_odometry.cpp中，其中主要的SLAM功能由slamNode.Loop();执行。Slam.Loop()主要为一个读取新图像并处理的死循环，由newImageCallback处理图像。newImageCallback执行slam的随机初始化和图像跟踪。1 随机初始化随机初始化函数为SlamSystem::randomInit1.1 ...

二、VIOVIO中IMU的状态向量为：xI=(GIqTbgTGvITbaTGpITCIqTIpCT)T\textbf x_I=\begin{pmatrix}{}_G^I\textbf q^T & \textbf b_g^T & {}^G\textbf v_I^T & \textbf b_a^T & {}^G\textbf p_...