![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
视觉SLAM
文章平均质量分 59
触不可及<>
切忌只看不做,眼高手低,多动手。
展开
-
vins-mono里的坐标系
vins-mono里主要涉及三个坐标系:word坐标系,body坐标系即IMU帧坐标系,cam坐标系即相机帧坐标系。对于单目系统而言,初始化时就会确定世界坐标系。首先进行纯视觉初始化(SFM):注意,这里把c0帧作为基础帧,实际上,c0帧旋转一下使gc0和gw方向一致时获得的坐标系就是vins的世界坐标系,也就是先验。https://blog.csdn.net/huanghaihui_123/article/details/103075107?spm=1001.2014.3001.5501重力所在原创 2021-11-16 17:32:59 · 3817 阅读 · 0 评论 -
vins-fusion gps融合相关总结
1 . 简介:VINS Fusion在VINS Mono的基础上,添加了GPS等可以获取全局观测信息的传感器,使得VINS可以利用全局信息消除累计误差,进而减小闭环依赖。相比于局部传感器,全局传感器(如GPS,气压计和磁力计等)可以提供全局观测。这些传感器使用全局统一坐标系,并且输出的观测数据的方差不随时间累计而增加。但这些传感器也存在一些问题,导致无法直接用于精确定位和建图。以GPS为例,GPS数据通常不平滑,存在噪声,且输出速率低。因此,一个简单而直观的想法是将局部传感器和全局传感器结合起来,以达原创 2021-10-11 11:36:06 · 2259 阅读 · 0 评论 -
论文阅读笔记:PL-VINS: Real-Time Monocular Visual-Inertial SLAM with Point and Line
摘要:利用线要素来提高基于点的视觉惯性SLAM (VINS)的定位精度正在取得进展重要性,因为它们提供了场景结构规则性的附加约束,然而,其实时性能还没有被关注。本文提出了一款基于VINS-Mono的实时点线融合视觉惯性SLAM。使用改进的LSD算法提取线特征。1 介绍:VINS-Mono被公认为是非线性优化流派的视觉惯性SLAM代表作,然而,在极端情况下也会出现特征点提取不足导致跟踪精度下降甚至跟踪失败,如下图所示。最近,利用线特征提高基于点的VINS的性能收到欢迎,因为线条提供了额外的约束,例如[1原创 2021-09-22 20:41:27 · 1451 阅读 · 0 评论 -
Ubuntu硬盘空间用量分析工具
baobab是一个图形界面工具,可以帮助我们查找系统中哪个目录或文件占据了大量空间.在终端里运行下面的命令:baobab常见的磁盘清理方式:https://blog.csdn.net/weixin_34393428/article/details/93581393原创 2021-09-20 10:00:55 · 2489 阅读 · 0 评论 -
TUM evaluate_ate.py评测工具
绝对轨迹误差脚本直接测量真实轨迹和估计轨迹的点之间的差异。作为预处理步骤,我们使用时间戳将估计的姿势与地面真实姿势相关联。 基于此关联,我们使用奇异值分解来对齐真实轨迹和估计轨迹。最后,我们计算每对姿势之间的差异,并输出这些差异的均值/中值/标准差。此外,脚本还可以将两个轨迹绘制到png或pdf文件,这样一来可以更加直观的看到差异。接下来,我们分别看一下相应的脚本执行命令(注:需要将evaluate_ate.py、groundtruth.txt、CameraTrajectory.txt、assoc原创 2020-12-03 21:36:26 · 3058 阅读 · 5 评论 -
小觅相机录制rosbag数据集
使用的相机是双目深度版,首先启动launch文件roslaunch mynteye_wrapper_d display.launch然后对图片和imu数据录制,考虑rosbag文件大小,对灰度图进行录制rosbag record /mynteye/left/image_mono /mynteye/right/image_mono /mynteye/imu/data_raw相机默认帧率较高,导致bag文件过大,可设置相机帧率为10hz:rosrun topic_tools throttle me原创 2020-11-12 21:58:21 · 1705 阅读 · 2 评论 -
SLAM轨迹精度评测工具evo用法
运行单轨迹,数据集真实值evo_traj euroc data.csv -p运行多轨迹evo_traj tum KeyFrameTrajectory.txt --ref=data.tum -p --plot_mode xyz -a --correct_scaleEUROC数据集自带真实值文件,文件名后缀是.csv,需将.csv文件形式的groundtruth转换为TUM形式的轨迹文件,打开终端,运行cd /home/用户名/EuRoC/mav0/state_groundtruth_estima原创 2020-09-17 19:49:19 · 2000 阅读 · 2 评论 -
slam中常见的关键帧选取策略
在选取关键帧之前应该遵循关键帧之间不应该太稠密,也不能太稀疏,同时需要保证生成足够的局部地图点。基于这些考虑,选取关键帧策略如下:(1)当前帧跟踪到的地图点太少,一般设置为 50。(2)当前帧跟踪到的地图点中,包含上一关键帧的地图点太少。一般设置小于上一关键帧地图点数的一定比例,如 0.75。条件(1)描述的情形是当前图像跟踪到的特征点数目很少。说明当前场景相对与上一关键帧有很大的改变。此时,需要尽快插入新的关键帧,以避免视觉前端跟踪失败。条件(2)描述地是当前图像中跟踪到上一帧关键中的地图点较原创 2020-07-29 21:04:36 · 5993 阅读 · 0 评论 -
视觉slam14讲:图像去畸变
我们已知的是已经发生畸变的图像,目的是去除畸变,得到未发生畸变的原始图像,这个过程就是图像去畸变。首先新建一个大小和畸变图像一样的图像矩阵,来存储去畸变之后的图像,也可以认为是发生畸变之前的原图。对新建图像的每一对坐标(u,v),按照畸变模型,计算点(u,v)对应到畸变图像中的坐标(ud,vd),则点(ud,vd)处的像素值即对应新图像(u,v)处的像素值,将(ud,vd)处的像素值赋值给(u,v),就相当于完成了去畸变的操作,得到了未发生畸变的原始图像。例如,原图(未发生畸变)坐标(1,2),发生畸原创 2020-07-26 11:53:09 · 1683 阅读 · 5 评论 -
SLAM中求基础矩阵和单应矩阵的归一化变换
在使用**直接线性变换(DLT)**算法求解基础矩阵F或者单应矩阵H时,必须先进行数据归一化处理。归一化变换将消除由任意选取图像坐标系的圆点和尺度所产生的影响,原创 2020-07-20 12:14:53 · 1855 阅读 · 6 评论 -
slam评测工具evo安装
(1) 首先在evo工具github主页下载源码。然后解压到你想存放的文件夹里。或者直接采用git方式下载:git clone https://github.com/MichaelGrupp/evo(2) 进入evo文件夹,进行安装:cd evopip install --user . --upgrade经过短暂等待,最终显示如下即安装完成:Successfully built ...原创 2020-04-18 21:04:37 · 886 阅读 · 0 评论 -
fast角点与ShiTomas角点速度对比
FAST角点的主要优势就是速度快,比SIFT快了几乎一个数量级,从而可以满足SLAM实时性的要求。Shi-Tomas角点是vins-mono中使用的角点。下面我对这两种角点在检测上的速度和能够检测到的最大角点数量进行了对比。使用两种角点对KITTI数据集中的29帧图片进行检测,检测结果如下:下图显示了ShiTomas角点检测到的角点数量及其花费的时间下图显示了FAST角点检测到的角点数...原创 2020-04-11 20:27:56 · 1522 阅读 · 1 评论 -
单目视觉里程记代码
视觉slam/*The MIT LicenseCopyright (c) 2015 Avi SinghPermission is hereby granted, free of charge, to any person obtaining a copyof this software and associated documentation files (the "Softwar...原创 2020-04-11 15:43:37 · 1512 阅读 · 7 评论