dna葡萄糖的博客

问题产生：最近由于测试相机，装了一堆厂商要求的乱七八糟的库问题：编译pcl有依赖的库，发现存在boost报错 Could not find the following Boost libraries: boost_iostreams boost_serialization有两个憨憨找不到。解决方案：1、没安装boost，安装2、安装了找不到，让它找到。找不到的原因可能是因为路径、也可能是因为版本=====================

cv::omni::StereoCalibrate 的代码逻辑和cv::StereoCalibrate相似。 在opencv库基础上稍微改动。//omni单目标定 输入calibrate(世界坐标系下参考点，图像坐标系下图像点，图片尺寸，内参矩阵，xi，畸变矩阵，外参R，外参t，flag参数，迭代限制，图像索引)double calibrate(cv::InputArrayOfArrays patternPoints, cv::InputArrayOfArrays imagePoints, cv:

记录一下重装电脑的步骤，主要以ubuntu环境配置为主。硬件环境：固态+机械硬盘系统：win10+ubuntu18.04一、安装系统1、制作启动盘、划分盘符。这里经常会出现8盘符上限bug，所以重装win和ubuntu系统，首先安装win系统，安装好了以后利用分区助手划分ubuntu所需盘符，下载easybcd2、调整bios启动顺序，设置为U盘优先启动，最小化安装，然后安装方式选择自定义安装。3、/ 20G~30G 主分区 Ext4swap 1~2倍内存空间 逻辑分区...

cvCalcMatMulDeriv：// reimplementation of dAB.m/*这个矩阵求导和传统的矩阵求导不太一样 求dcda 假设a：M*N c：I*J 最后生成矩阵 IJ * MN -> PQ求得的元素是 将c按行主序 展开成向量C，C(0,0) ~ C(0,I*J) , a也 按行主序 展开成向量A，A(0,0) ~ A(0,M*N ) 那么 dcda = D = d(p,q) = dC(0,0)/dA(0,0) dC(0,0)/dA(0,1..

opencv：4.1.1ref：OpenCV: Camera Calibration and 3D Reconstructionhttps://docs.opencv.org/4.1.1/d9/d0c/group__calib3d.html#ga91018d80e2a93ade37539f01e6f07de5/opencv-4.1.1/modules/calib3d/src/calibration.cppcv::stereoCalibrate 参数说明看opencv文档，这个函数作用就是进行参.

工作原因，要大规模标定相机，cv::omni::StereoCalibrate出来的结果有明显问题，网上也找不到相关的解析，只有说这个函数怎么使用的，所以只能自己阅读一下StereoCalibrate的源码。opencv 版本 4.1.1StereoCalibrate 的步骤不是很难，可以总结为：1、检查输入值2、确定优化变量，给所有待优化变量求解一个初值3、利用LMsolver求解器进行求解首先阅读CvLevMarq求解器文件其头文件calib3d/calib3d_c.h源文.

文章写于2021.9.29由于在实时跑ORB_SLAM3的时候，相机转动过快会LOST，因此采用其他特征点提取方法进行尝试，首先是GCNv2_SLAM。系统：Ubuntu 18.04 g++：5.xCUDA：10.2参考文章：Ubuntu系统pangolin与libtorch所引发的连接错误_feiyang_luo的博客-CSDN博客GCNv2编译过程中出现的问题_CAFE-BABE的博客-CSDN博客Pytorch1.4下运行 GCNv2slam 需要修改的地...

最近在根据vins代码进行改写，实验发现 当opencv为3.4.12版本时（coreimgprocimgcodecs这几个库），vins 优化结果会非常飘。如果vins结果比较离谱，可以检查下opencv的版本。用ros跑的话，如果ros不是源码编译或者更改过相关的引用，不管你opencv在编译的时候指定的是什么版本，在ubuntu18.04下coreimgprocimgcodecs这几个库都是引用的ros安装时候默认装的3.2上的，此时不会有问题。如果去ros，或者更改了这几个库的引用，...

今年7.15日苏黎世大学SVO2.0开源，第一时间下载运行调试一下~仓库地址：https://github.com/uzh-rpg/rpg_svo_pro_open一、安装作者提供了完整的安装步骤 个人运行环境ubuntu18.04 + ros meldic。安装时给终端挂了梯子sudo apt-get install python-catkin-tools python-vcstoolsudo apt-get install libglew-dev libopencv-dev libyaml-

// ref:http://eigen.tuxfamily.org/dox/GettingStarted.html// 网上乱七八糟的参考太多了，绝大多数没什么意义，建议直接看ref的官方文档**一、eigen定义**Eigen::Matrix<double,3,3> m; //3*3 double矩阵Eigen::Matrix<double,3,3，RowMajor> // eigen在逻辑上是行主序，但是在内部存储是列主序，使用此方式改变存储方式（赋值的时候按按行赋值）

ref:https://zhuanlan.zhihu.com/p/121628349之前想要在vins上进行改动学习了ceres，奈何光流飘的太厉害，slam总是失败，不得已重新拾起g2o，在orbslam3代码上进行改动。g2o和ceres是slam优化里面最常用的两个库，相比于ceres，g2o上手难度更大（主要是doc做的和屎没什么太大区别，g2o看文档简直是遭罪）。=================================================================

ceres是用来求解优化问题的工具库。使用时至少需要构建目标函数，优化变量。如果自动求导困难，则需要给出雅克比矩阵。（一般是采用了第三方的库，比如eigen和sophus的一些运算）如果优化变量不对加法封闭，则需要给出优化变量的更新方法。==============================================================================对于简单优化问题总体流程：（可以采用自动求导）1、构建代价函数模型，描述如何计算残差2、构

ref:http://ceres-solver.org/nnls_tutorial.htmlhttps://blog.csdn.net/wzheng92/article/details/79634069系列笔记ceres用途：用来求解特定形式的优化问题大致使用方法：1、构建代价函数模型，描述如何计算残差2、构建问题（要给一个初值）3、配置求解器4、结果输出一、基础使用ceres，优化下列问题：利用ceres进行求解#include <ceres/cer

最近安装ds-slam，运行时会报错，GitHub中提到使用3.34版本的eigen3，需换用低版本的eigen3网上的方法多是采用源代码安装，然后在使用的时候切换.qc文件路径，或者将需要的文件放到usr/include中。感觉这些方法过于麻烦，并且在后期维护的时候容易遗忘，因此采用其他方法解决这个问题。...

VINS-Mono: 原理深剖+白板从零手推公式+源码逐行精讲第一次作业// 第一次作业// 分别比较opencv自带的和vins中的去畸变方式，从去畸变的准确率和耗时两方面来评判// 方式：使用MH01-easy数据集对应的畸变参数，先将若干个点通过畸变参数进行畸变，再分别通过两种方式做去畸变处理，比较1、去畸变后和真值的差 2、两种方法的平均耗时// author:dnaglucose// date:2021.06.02#include <opencv2/opencv.h.

一、搭配环境1、安装显卡驱动ref:https://blog.csdn.net/u010801439/article/details/804830362、安装cuda和cudnncuda：10.2cudnn：7.6cuda版本10.2对pytorch支持比较好；cudnn8以上caffe很难搞3、安装cafferef:https://blog.csdn.net/weixin_42795611/article/details/930655674、安装anaconda...

orb-slam2和3在执行的时候都会出现这个问题，错误为：symbol lookup error: /home/smz/slam_demo/ORB_SLAM3/lib/libORB_SLAM3.so: undefined symbol: _ZN5DBoW24FORB1LE1、确定问题类型：从错误提示中可以看出是发生了so库调用异常，说明链接出了问题。2、确定问题链接：~/slam_demo/ORB_SLAM3/lib 目录下 ldd -r libORB_SLAM3.so拉到最后可以看到u.

简单阅读了一下kimera源码，里面明确表示不支持kitti类型数据集，同时发现代码工程量巨大，把imu部分摘除不现实，故采用realsense相机作为视觉+imu传感器进行实验。kimera中配置有realsense启动的launch，但是采用默认相机参数飘逸很大，且在realsense topic 的 info中未查到合适的cam to imu mat 所以首先对相机进行imu+cam标定。一、标定主要参考：https://blog.csdn.net/neptune4751/article/

环境：opencv 3.4.12，其他的都是按照文档下载的。首先进行组件的安装一、Kimera-VIO安装参考文档：https://github.com/MIT-SPARK/Kimera-VIO/blob/master/docs/kimera_vio_install.md按照文档装就好，在安装过程中碰到如下问题：0、make 过程很卡，不要用所有的核1、cmake过程中卡下载 ORBvoc.zip ，手动下载这个文件，解压，将里面的3个文件，放到/Kimera-VIO/vocabu.

主要针对：SLAM可视化绘图库——Pangolin教程（一）_yuntian_li的博客-CSDN博客_slam可视化绘图库的讲解进行学习一、基础操作基本步骤：创建窗口->启用深度测试->创建相机视图(包括相机参数和相机位姿)->创建交互视图->清空颜色和缓存->绘制图案->推进窗口事件#include <pangolin/pangolin.h>int main( int /*argc*/, char** /*argv*/ ){ pango..