面试问题
乐观的傲气凌云
这个作者很懒,什么都没留下…
展开
-
slam技术面试问题(一)
1.如何对匹配好的点做进一步的处理,更好保证匹配效果? 1)确定匹配最大距离,汉明距离小于最小距离的两倍; 2)使用KNN-matching算法,令K=2。则每个match得到两个最接近的descriptor,然后计算次近距离和最近距离之间的比值,当比值大于既定值时,才作为最终match; 3)RANSAC(使用RANSAC找到最佳单应性矩阵。由于这个函数使用的特征点同时包含正确和错误匹配点,因此...原创 2019-08-10 21:38:41 · 216 阅读 · 0 评论 -
slam技术面试问题(二)
14.特征匹配(稀疏)和稠密匹配区别 1)稀疏匹配可以快速地求解相机的位姿; 2)稠密匹配可以建立完整地图,但是速度慢、效率低,并且像素梯度不明显的地方对运动估计没有什么贡献。 15.EKF与BA的区别 1)EKF只估计当前时刻的机器人位姿,无法纠正历史的机器人位姿;然而BA更加倾向于使用所有的历史数据,因此它利用了更多的信息; 2)EKF在工作点附近用一阶泰勒展开近似整个函数,但是在工作点较远...原创 2019-08-10 21:39:08 · 207 阅读 · 0 评论 -
slam技术面试问题(三)
26.回环检测常用方法 视觉词袋算法,会对比当前关键帧和与之相连的共视图中的关键帧的相似度,得到一个最低评分;然后遍历所有关键帧找出相似度大于最低评分的闭环备选帧,最后在候选帧中检测具有连续性的候选帧。 闭环检测一般使用词袋模型作为场景匹配方法。而作为一个场景识别问题,闭环检测可以看做是一个视觉系统的模式识别问题。所以可以使用各种机器学习的方法来做,比如什么决策树/SVM,也可以试试CNN方法。不...原创 2019-08-10 21:40:09 · 215 阅读 · 0 评论