SLAM ORB-SLAM2（25）相机位姿优化

于 2024-04-06 00:45:00 发布
阅读量1.2w 收藏 1
点赞数 2
分类专栏： OpenSLAM # ORB-SLAM2 文章标签： SLAM ORB-SLAM2
本文为氢键H-H原创文章，未经允许请勿用于商业用途，转载请注明出处
本文链接：https://blog.csdn.net/qq_32618327/article/details/135441922
版权
本文详细介绍了ORB-SLAM2的PoseOptimization过程，通过构造g2o优化器和求解器对象，建立3D-2D投影关系，利用Huber核函数进行鲁棒优化，修正相机位姿。该过程涉及节点和边的构建，以及多轮迭代优化，最终更新相机位姿并返回内点数量。
摘要由CSDN通过智能技术生成

SLAM ORB-SLAM2（25）相机位姿优化

1. 前言

在《SLAM ORB-SLAM2（23）运动模型跟踪》 中的运动模型跟踪过程
在根据匀速运动模型估计位姿后，利用用上一帧地图点进行投影匹配 SearchByProjection
在《SLAM ORB-SLAM2（24）地图点投影匹配》 找到了足够多的匹配点时
就会调用 Optimizer::PoseOptimization 根据匹配特征点构建优化器修正相机位姿

    /* 4. 利用3D-2D投影关系，优化当前帧位姿 */
    Optimizer::PoseOptimization
了解本专栏 订阅专栏 解锁全文 超级会员免费看
氢键H-H
关注
专栏目录
订阅专栏
SLAM：ORB-SLAM 位姿优化描述
alppkk4545的博客
08-05 707
只知道算法描述和代码，而不知道原理是比较扯的事情，还是把原理转载一下。 原文链接： http://www.cnblogs.com/luyb/p/5447497.html ORB-SLAM作为单目SLAM，其精度很大程度上决定于帧与帧之间的位姿优化的是否准确。因此优化（optimization）在OR...
orbslam2的基础理论（一）
qq_18661939的博客
07-05 6656
本篇博客借鉴了许多经典博客的理论。 orbslam2相机pose估计和map point结构恢复 orbslam2的相机初始估计有两种方法：本证矩阵Ｅ和单应矩阵两种方法，具体可以看我之前的博客oerslam2-初始化 （1)再讲相机pose估计之前，我要讲一下相机的数学模型和对极几何。 我觉得首先我们要理解相机模型中的四个平面坐标系的关系：像素平面坐标系（u,v）、像平面坐标系（图
ORBSlam2的位姿优化算法
热门推荐
Xuefeng_BUPT的博客
07-24 1万+
ORBSlam2的位姿优化算法ORBSlam2中使用了对极约束，三角测量，PnP投影和BundleAdjustment算法 本文着重讲解在ORBSlam2中使用到的BundleAdjustment优化算法。
orbslam2图优化基础
MiningL的博客
01-13 340
本周的目标是orb-slam2中的PoseOptimization函数，这个函数算是orb-slam2中Traking进程频繁调用且是入门级的优化问题。看代码的时候多次看到g2o库，这个库是以图优化为核心的优化库。图优化并不是和高斯牛顿法一样的优化迭代法，其核心是使用图的形式来描述优化问题。优化问题在上周对高斯-牛顿公式推导时已经接触，由目标函数、优化变量和约束组成，而在slam中很少具有有约束的优化问题（还没接触到），比如机器人的运动是无约束的（想怎么旋转平移都可以。minx​Fx。
(01)ORB-SLAM2源码无死角解析-(63) BA优化(g2o)→局部建图线程:Optimizer::LocalBundleAdjustment→位姿与地图点优化
江南才尽江南山，年少无知年少狂！
10-14 1005
在上一篇博客中，为大家讲解了 Optimizer::PoseOptimization→仅位姿优化，同时还分享了几篇g2o(图优化)博客，这篇博客讲 Optimizer::LocalBundleAdjustment，其在局部建图线程中被调，即 src/LocalMapping.cc 文件中 LocalMapping::Run() 函数。首先需要明白，优化的目标是→局部关键帧的位姿与地图点。
ORBSLAM2系列-重定位中求解位姿R,t
一只废佐_的博客
08-15 384
在重定位中求解位姿的具体函数在代码中详细的注释，就不再一一列举，因为整个过程就如上面所介绍的算法流程一样，一一对比就能看明白。
一文详解ORB-SLAM3中的位姿跟踪Tracking类实现
3D视觉工坊
04-01 2916
作者丨XingXin-C@知乎来源丨https://zhuanlan.zhihu.com/p/349770246编辑丨3D视觉工坊Tracking.cc文件的主要内容有： ·在构造函数...
ORB_SLAM2源码工作空间（带位姿发布功能）
04-22
这个源码工作空间包含了实现ORB_SLAM2功能所需的所有组件，并且还添加了发布位姿信息的功能，这对于在ROS（Robot Operating System）环境中与其他模块交互非常有用。 1. **ORB_SLAM2核心算法**： - ORB（Oriented ...
Active-ORB-SLAM2-master.rar
07-01
主动ORB-SLAM2则进一步优化了这一过程，通过智能规划相机运动路径，以达到最佳的SLAM效果。 SLAM问题的核心是同时解决机器人在环境中的位置估计和环境地图的构建。在ORB-SLAM2中，系统通过以下关键组件协同工作： ...
SLAM ORB-SLAM2（10）轨迹跟踪过程
最新发布
氢键H-H
12-03 1万+
轨迹跟踪的主要目的是估计相机的位姿。先处理每一帧图像，提取ORB特征点，如果尚未初始化地图，则先进行初始化。再根据地图信息和当前机器人运动状态来估计相机位姿或者进行重定位，然后在局部地图中完成轨迹跟踪， 并根据一定的规则生成新的关键帧。
ORB-SLAM2源码逐行解析系列（二十四）：ORB-SLAM2中的全局优化
LDST_CSDN的博客
10-24 208
​ 全局优化函数BundleAdjustment主要用于优化所有关键帧的位姿和地图点。因此，其顶点是待优化的所有关键帧的位姿和所有地图点。​ 由于地图点和观测到它的关键帧存在投影约束关系，因此全局优化中的边是二元边。边的两个顶点分别是地图点坐标以及观测到它的关键帧的位姿。​ 对于单目相机模式，边的类型为g2o::EdgeSE3ProjectXYZ。g2o::VertexSE3Expmap，顶点中地图点的类型为g2o::VertexSBAPointXYZ。（2）全局优化与局部优化的区别。
一起学ORBSLAM2（7）ORBSLAM中的优化问题
蚁族的坚持的博客
06-05 5250
ORBSLAM是一种基于优化方法的SLAM方法，与之前的基于滤波器方法有很大的不同，工程中引入了第三方库g2o，g2o是基于图优化的优化算法库。首先了解什么是图优化，图优化是将普通的优化问题用图的方式(变量用节点表示，关系用边来表示)来表示（参考文章：g2o: A general Framework for Graph Optimization），如下最小二乘问题表达式可以表示为：，其中为误差函数...
ORB-SLAM（五）优化
weixin_30911809的博客
05-29 491
ORB-SLAM作为单目SLAM，其精度很大程度上决定于帧与帧之间的位姿优化的是否准确。因此优化（optimization）在ORB-SLAM里面扮演了很重要的角色。这一小节探讨一下ORB-SLAM里用到的优化。 ORB-SLAM选用g2o作为图优化的方法，关于g2o可以参考http://www.cnblogs.com/gaoxiang12/p/5304272.html。 一、为什么要优化 ...
ORBSLAM3的g2o优化之位姿图优化（PoseOptimization）
Walking_roll的博客
08-21 3136
目录
ORB-SLAM2代码阅读笔记（六）：Tracking线程4——Track函数中相机位姿估计
06-05 6224
Table of Contents 1.Track函数结构 2.相机位姿估计 1）Track函数代码分析 2）跟踪并定位情况下的位姿估计 （1）CheckReplacedInLastFrame函数 （2）TrackReferenceKeyFrame函数 （3）TrackWithMotionModel函数 3）跟踪情况下的位姿估计 4）局部地图跟踪函数TrackLocalMap分析...
ORBSlam2学习研究(Code analysis)-ORBSlam2中的视觉里程计Tracking
Xuefeng_BUPT的博客
07-20 6206
写在前面本文基于ORBSlam2的Monocular模式撰写，所涉及的算法都是单目视觉下的算法。
ORB-SLAM2源码学习（八）——图优化g2o
potxxx的博客
02-23 2222
首先，ORBSLAM2里的优化都是基于图优化的，使用的第三方库为g2o，这里先介绍一下g2o简要使用流程，然后再来看看ORBSLAM2里的几个优化函数。 一、g2o g2o是一个图优化求解库，它将优化问题表现为图的形式：包含顶点和边。 在slam问题里，BA中参与优化的参数有位姿和地图点坐标，在g2o中，我们将这些需要进行优化的变量设置为顶点，一般一张图像的位姿为一个顶点，这张图像上所能观察...
orb-slam2保存的位姿怎么计算的
10-16
ORB-SLAM2是一种经典的视觉SLAM（同时定位与地图构建）算法。它能够从一系列图像帧中估计相机的位姿，并将其保存在一个轨迹文件中。 ORB-SLAM2中的位姿计算基于以下步骤： 1. 特征提取与匹配：通过ORB特征提取器提取每个图像的ORB特征点，并使用特征描述子进行特征匹配。 2. 视觉里程计：使用特征点的匹配信息来计算相邻图像之间的相机运动。这可以是通过使用基础矩阵或本质矩阵解算相机运动，或者使用PnP（Perspective-n-Point）算法求解相机姿态。 3. 姿态优化：使用非线性优化算法（例如，bundle adjustment）对估计的相机位姿进行优化，以最小化特征点在后续图像中的重投影误差。 4. 非线性三角测量：使用多视角几何原理，通过非线性三角测量方法恢复3D场景中的特征点位置。 5. 地图优化：通过非线性优化方法，同时优化相机位姿与3D地图点，以最小化重投影误差。 6. 轨迹保存：ORB-SLAM2将估计的相机位姿保存在一个轨迹文件中。位姿通常以欧式变换矩阵（3x4矩阵）的形式表示，其中包含了相机的旋转和平移信息。 通过以上步骤，ORB-SLAM2能够高效准确地计算相机的位姿，并将其保存在轨迹文件中。这样，我们可以在后续的应用中使用这些位姿信息，例如增强现实、导航和地图构建等领域。
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

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