![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
小白冲冲冲
文章平均质量分 93
三轮车的视觉进阶_
为什么我的眼里常含泪水,因为我还有一个算法不会......
展开
-
三角测量及在SLAM中的使用
这篇文章主要参考《SLAM十四讲》和《多视觉几何》两本书关于三角测量的原理和推导内容,以ORBSLAM2和ORBSLAM3为例,说一下三角测量的应用,有不对的地方,欢迎指正交流~~以单目初始化为例,得到两张图像的匹配点之后,第一步就是计算H矩阵或者F矩阵,并从这两个矩阵中恢复出这两帧之间相机的运动,也就是R,t有了相机的位姿,接下来就是恢复3D点,即通过两帧图像中对应的匹配点的像素坐标x1,x1'和相机的位姿R,t,计算得到其对应的在三维世界中的坐标X;这里要和PnP做一下区分,PnP也是两帧.原创 2021-02-20 15:00:48 · 2825 阅读 · 0 评论 -
【小白冲冲冲!!!】补2:SLAM中最小二乘问题的引入及求解
这一部分是我自己加的, 对于理解非线性优化以及那些常用的优化算法有很大的帮助,所以有时间也可以看看,互相交流;我们都已经知道SLAM中的问题求解其实就是要求出一个位姿,使得噪声项的平方,即误差最小化。 因此, 对于所有的运动和任意的观测, 都可以定义数据与估计值之间的误差:运动方程的误差: 观测方程的误差: 对...原创 2020-12-12 15:43:24 · 250 阅读 · 0 评论 -
【小白冲冲冲!!!】补1: 说一下最大化后验概率
在解释Dog-Leg算法之前, 需要了解与SLAM相关的几个重要的概念, 先验(prior), 后验(posterior),似然(Likehood);这三个概念所对应的公式分别如下, 一直x是结果(如买东西),是原因(双十一来了,或者钱有点多), 即导致x发生的原因, 则先验: 就是原因发生的概率似然: 也就是在某个原因发生时,导致特定结果的概率, 如对于我来讲,双十一发生的情况下,...原创 2020-12-12 15:24:47 · 689 阅读 · 1 评论 -
【小白冲冲冲!!!】37. ORBSLAM初始化时为什么要同时初始化H矩阵和F矩阵?
主要是针对初始化时不同的图像中不同的状态, H矩阵适用与特征点都处于同一个平面或者发生纯旋转时的状况, 这种状态时F举矩阵退化, 因此需要使用H矩阵; 而F矩阵适用于特征点在不同深度的情况;接下来总结一下关于F矩阵,H矩阵和E矩阵的一些相关的知识点:首先来说E矩阵,也就是本质矩阵, 本质矩阵有几个很重要的特性:本质矩阵在不同尺度下都是等价的; 对E乘以任意的非常数之后, 对极约束依然满足; 本质矩阵的奇异值必定是[a, a, 0]的形式, 这称为本质矩阵的内在性质; 因为旋转和平移各有三个自由原创 2020-12-12 15:22:37 · 514 阅读 · 0 评论