视觉SLAM笔记(37) 求解 PnP

这篇笔记介绍了如何使用EPnP解决PnP问题,并通过Bundle Adjustment(BA)进行优化。首先利用OpenCV的EPnP求解相机位姿,然后使用g2o库进行BA优化,优化过程中包含了李代数位姿、空间点位置、投影方程边的处理。BA优化不仅更新相机位姿,还同时优化了特征点的位置,从而提高估计精度。
摘要由CSDN通过智能技术生成


1. 使用 EPnP 求解位姿

首先,用 OpenCV 提供的 EPnP 求解 PnP 问题,然后通过 g2o 对结果进行优化

创建/VSLAM_note/037/pose_estimation_3d2d文件
由于 PnP 需要使用 3D 点,为了避免初始化带来的麻烦
使用了 RGB-D 相机中的深度(1_depth.png),作为特征点的 3D位置

首先来看 OpenCV 提供的 PnP 函数:

int main(int argc, char** argv)
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

氢键H-H

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
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