SLAM中相机姿态估计算法推导基础数学总结

最新推荐文章于 2024-06-14 16:51:54 发布
最新推荐文章于 2024-06-14 16:51:54 发布
阅读量619 收藏 2
点赞数
分类专栏： VSLAM 文章标签： 数码相机 算法
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/qin_liang/article/details/133921394
版权

相机模型

基本模型

在这里插入图片描述
内参
在这里插入图片描述
在这里插入图片描述
外参
在这里插入图片描述
在这里插入图片描述

对极几何

对极约束

在这里插入图片描述
在这里插入图片描述
外积符号
在这里插入图片描述
基础矩阵F和本质矩阵E
在这里插入图片描述
在这里插入图片描述
相机姿态估计问题分为如下两步:

在这里插入图片描述

本质矩阵

E = t ∧ R E=t^{\wedge}R E=t∧R因为 t ∧ t^{\wedge} t∧其实就是个3x3的反对称矩阵，所以 E E E也是一个3x3的矩阵

用八点法估计E
在这里插入图片描述
在这里插入图片描述

零空间矩阵的讲解

要通过E获得R和t就需要进行 E E E的奇异值(SVD)分解
在这里插入图片描述在这里插入图片描述
带入之后的看相机的正深度，就只有第一种情况满足

单应矩阵

在这里插入图片描述
在这里插入图片描述

这个等式只有在非零因子情况下才成立，所以可以除以非零因子把 h 9 h_9 h9​变为0
在这里插入图片描述

三角测量

在这里插入图片描述在这里插入图片描述

3D-2D:PnP

直接线性变换

在这里插入图片描述

P3P

在这里插入图片描述
在这里插入图片描述
最后要求得未知量只有x,y,这是一个二元二次多项式方程，用吴消元法求解，最多得四个解，根据第四个点进行验证即可求得A，B,C 的3D坐标

Bundle Ajustment

在这里插入图片描述
这部分略显复杂，建议直接看视觉SLAM十四讲
在这里插入图片描述

玛卡巴卡_qin
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
【ORB_SLAM3源码解读】IMU基础介绍、IMU姿态、速度、位置解算以及误差方程、坐标系
小秋 AI SLAM 入门实战教程
04-29 8642
ORB_SLAM3优势 IMU(Inertial Measurement Unit),惯性测量单元 • 典型 6 轴 IMU 以较高频率(≥ 100Hz)返回被测量物体的角速度与加速度 • 受自身温度、零偏、振动等因素干扰,积分得到的平移和旋转容易漂移 六自由度 IMU 本身由一个陀螺仪和一个加速度计组成,分别测量自身的角速度和加速度。 IMU 适合计算短时间、快速的运动; 快速响应,不受成像质量影响,角速度普遍比较准确,可估计绝对尺度 存在零偏,低精度 IMU 积分位姿发散,高精度价格昂贵 可利用视觉定位
计算机视觉与深度学习 | 视觉惯性SLAM的基础理论
尘世冰封的专栏
10-13 897
首先介绍了在三维空间中通过旋转矩阵、旋转向量、欧拉角以及四元数对一个刚体的运动进行描述；接着介绍了单目相机的投影模型，如何将三维世界坐标映射到二维图像平面上并对相机模型进行了推理；然后介绍了IMU模型并对相关基本理论公式进行了推导，接着详细推导了IMU预积分公式以便更好地理解其在SLAM中的应用。最后介绍了SLAM后端中非线性优化的理论知识，包括**高斯牛顿法、列文伯格-马夸尔特和图优化方法**。
【2020-CVPR-3D人体姿态估计】Cross-View Tracking for Multi-Human 3D Pose Estimation at over 100 FPS
大家一起进步叭
04-02 1320
Cross-View Tracking for Multi-Human 3D Pose Estimation at over 100 FPS 题目：《过100 FPS的多人3D姿势估计的跨视图跟踪》 作者：Long Chen Haizhou Ai Rui Chen Zijie Zhuang Shuang Liu Department of Computer Science and Technology, Tsinghua University AiFi Inc 来源：CVPR 2...
SLAM之反求运动和地图点（对极几何）
m0_61847109的博客
06-26 358
前面的文章介绍了如何在已知空间点的情况下在不同坐标系中的表示（刚体的坐标变换），以及如何将空间中的点投影到相机中生成图像，但是现实中的情况却是相反的情况（空间点以及坐标系之间的变换未知），这也正是SLAM要求解的问题。
P3P相机姿态估计数学推导,求解及自定义实现
leonardohaig的博客
11-30 5817
P3P相机姿态估计数学推导,求解及自定义实现 微信公众号：幼儿园的学霸 目录 文章目录P3P相机姿态估计数学推导,求解及自定义实现目录前言相机到空间点距离求解角度θ的计算相机坐标系下的坐标计算自定义实现总结参考资料附录 前言 PnP问题(Perspective N Points)是指已知3D点的空间坐标及其在相机上的投影,求相机姿态的问题. 投影方程可以表示为: λ[uv1]=K[Rt][XYZ1] \lambda\left[\begin{array}{l} u \\ v \\ 1 \end{array
多相机系统通用视觉 SLAM 框架的设计与评估
weixin_41965898的博客
12-20 1260
多相机slam
机器人学中的状态估计 中文版_ORB-SLAM2——（四）ORBSLAM运动估计
weixin_39841825的博客
12-03 428
大型博客搬运现场，笔者初始版本发布在：（四）ORBSLAM运动估计 - 小C酱油兵 - 博客园​www.cnblogs.comORBSLAM2的运动估计简介　　ORBSLAM2中的运动估计核心方法就是3D-2D的PNP，而在跟踪过程主要分为三种类型：无运动模型的跟踪，即基于参考帧的跟踪；基于匀速运动模型的跟踪；重定位；　　上述三种方案，我们只介绍前两种，重定位由于需要用到回环检测，我们会在之后讲解...
SLAM中后端优化的技术细节总结与回答
weixin_50950634的博客
03-20 1420
本文章主要汇总了针对SLAM的后端优化环节的学习资料，并且整理了大佬的回答
SLAM公式引出、推导和理解 3
雨后的放线君
12-21 765
公式是对数学语言的高度概括。
SLAM-适配立体相机的SLAM算法-优质项目实战.zip
02-25
SLAM_适配立体相机的SLAM算法_优质项目实战
SLam算法详解基础理论
01-12
SLam算法详解基础理论
第7章 SLAM中的数学基础
09-03
"SLAM中的数学基础" SLAM（Simultaneous Localization and Mapping）是一种同时进行机器人定位和地图构建的技术。该技术在机器人学、计算机视觉、概率论等领域有广泛的应用。本章将从数学基础的角度讲解SLAM技术的...
SLAM-中文注释版本的ORB-SLAM2算法实现-算法解释.zip
02-23
SLAM_中文注释版本的ORB-SLAM2算法实现_算法解释
概率机器人学中的状态估计和 SLAM算法的Python实现
06-08
作为 SLAM 的初学者，我总是发现很难理解非直观的数学方程，而且我几乎找不到关于实现这些算法的简单说明。因此，我创建了这个 repo 来演示本书背后的基本概念，并结合在一个简单数据集上运行的结果。 如果您是 ...
利用Cesium和JS实现地点点聚合功能
我码玄黄的博客
06-14 549
文章详细阐述了利用JS和Cesium实现地图点位聚合的方法，包括标记点实现、监听相机变化、坐标转换以及聚合算法，以提高地图的可读性和交互效率。
单目物体测距
Littro Innovations
06-12 157
单目测距是一种利用单个摄像头来获取场景深度信息的技术。根据搜索结果，以下是一些常见的单目测距方法：1. **相似三角形法**：这是一种基于几何原理的方法，通过已知物体的尺寸和在图像中的像素宽度来计算物体与相机之间的距离。2. **基于已知运动的测量方法**：这种方法利用相机的移动来辅助测量，通过比较不同时间点的图像来估计深度信息。3. **Mobileye单目测距**：这是一种特别提到的方法，通常涉及到车辆检测和测距，可能涉及到特定的几何模型和算法来提高测距的准确性。
.net 调用海康SDK以及常见的坑解释
网尘的技术专栏
06-12 230
海康的SDK是C++编写的Dll，因为没有很好的进行包装，使用起来还是比较麻烦的，并且随着海康SDK的版本不同，各类版本有许多差异性，不好的封装会导致有很多的问题，这里把踩过的坑列举下，以便后来者少踩坑。我这里没有提供封装好的类库，这应该是有大量需求的，海康自己也没有很好的进行封装，我计划后面会提供一个，先发文章看看是否有需求了，大家可以评论给我。海康SDK在使用的时候，需要进行SDK的初始化，在退出时，需要销毁资源，这里的资源属于非托管资源，因此请谨慎反复调用。引用有几种方式，最简单的方式是直接使用。
GenICam标准（三）
最新发布
Liuqz2009的专栏
06-14 581
为确保在 BinningReg 节点的内容变化的时候，ImagerHeightReg 节点的缓存无效，必须在两个节点间引入一个连接。另外，随着时间的推移，相机描述文件也要相应地扩展，例如，当相应的相机产品增加了属性的时候。某些相机包含一个叫做 Binning（装箱） 的属性，当 Binning 被置为 ON，相邻像素的值（charge）被合并，实现较好的效果，但代价是分辨率较低。为说明这一点，需要用到更复杂的例子。规则：当一个节点的内容发生变化的时候，要通知其所有的客户端，以便客户端可以令缓存无效。
SLAM单目相机目标检测算法得到像素坐标
09-06
4. 相机姿态估计：使用SLAM算法估计相机的姿态（即相机的位置和朝向）。这可以利用图像序列的运动信息和特征点之间的几何关系来实现。 通过上述步骤，您可以获得目标在图像中的像素坐标。请注意，这只是一种常见的...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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

打赏作者

玛卡巴卡_qin

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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