![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
SLAM十四讲学习笔记
文章平均质量分 70
JOJO-XU
这个作者很懒,什么都没留下…
展开
-
【SLAM十四讲学习笔记】第6讲 非线性优化
本节目标 位姿变量 xk 可以由 Tk 或 exp(ξk∧) 表达原创 2022-07-09 16:42:23 · 220 阅读 · 0 评论 -
【SLAM十四讲学习笔记】第5讲 相机与图像
第5讲 相机与图像 像素坐标系与成像平面之间,相差了一个缩放和一个原点的平移。 设在物理成像平面上固定着一个像素平面 o − u − v。 矩阵形式。内参数矩阵(Camera Intrinsics)K。 确定相机的内参,也就是所谓的标定。 P 的相机坐标应该是它的世界坐标(记为 Pw), 根据相机的当前位姿,变换到相机坐标系下的结果。它描 述了 P 的世界坐标到像素坐标的投影关系。其中,相机的位姿 R, t 又称为相机的外参数 (Camera Extrinsics)。外参会随着相机运动发生改变,同时也是原创 2022-07-09 16:36:14 · 456 阅读 · 0 评论 -
【SLAM十四讲学习笔记】第4讲 李群与李代数
第4讲 李群与李代数 它们对加法是不封闭的,关于乘法是封闭的。 群(Group)是一种集合加上一种运算的代数结构。我们把集合记作 A,运算记作 ·, 那么群可以记作 G = (A, ·)。 李群是指具有连续(光滑)性质的群。像整数群 Z 那样离散的群没有连续性质。而 SO(n) 和 SE(n),它们在实数空间上是连续的。 由于 R ̇ (t)R(t)T 是一个反对称矩阵,我们可以找到一个三维向量 φ(t) ∈ R3 与之对应。于是有: 同时在 t0 附近,设 φ 保持为常数 φ(t0) = φ0 李代原创 2022-07-09 16:03:02 · 448 阅读 · 0 评论 -
【SLAM十四讲学习笔记】第3讲 三维空间刚体运动
第3讲 三维空间刚体运动 外积的方向垂直于这两个向量,大小为 |a| |b| sin ⟨a, b⟩ 相机运动是一个刚体运动,它保证了同一个向量在各个坐标系下的长度和夹角都不会发生变化。这种变换称为欧氏变换。 矩阵 R 描述了旋转本身。因此它又称为旋转矩阵。旋转矩阵是行列式为 1 的正交矩阵。所以,我们可以把旋转矩阵的集合定义如下: SO(n)={R∈Rn×n|RRT =I,det®=1}. SO(n) 是特殊正交群(Special Orthogonal Group),旋转矩阵的逆(即转置)描述了一个原创 2022-07-09 15:36:26 · 482 阅读 · 0 评论 -
【SLAM十四讲学习笔记】第2讲 初识 SLAM
第2讲 初识 SLAMSLAM 是 Simultaneous Localization and Mapping 的缩写,中文译作“同时定位与地图构建”[1]。它是指搭载特定传感器的主体,在没有环境先验信息的情况下,于运动过程中建立环境的模型,同时估计自己的运[2]。如果这里的传感器主要为相机,那就称为 “视觉 SLAM”。 「https://github.com/gaoxiang12/slambook」按照相机的工作方式,我们把相 机分为单目(Monocular)、双目(Stereo)和深度相机(RGB-D原创 2022-07-06 15:59:18 · 683 阅读 · 0 评论