《视觉SLAM十四讲》第二讲学习笔记

最新推荐文章于 2022-09-07 14:45:25 发布
最新推荐文章于 2022-09-07 14:45:25 发布
阅读量183 收藏
点赞数
分类专栏： VSLAM
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_36536126/article/details/94380440
版权 
                         三维空间的刚体运动

1.点与坐标系
2.旋转矩阵
3.旋转向量和欧拉角
4.四元数
5.实践：Eigen
一.点与坐标系
.坐标系
.点
.向量
.向量的坐标
在这里插入图片描述
.向量的运算可由坐标运算表达
.加法和减法
.内积

在这里插入图片描述
.外积

在这里插入图片描述
二.旋转矩阵
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
三.旋转向量和欧拉角
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
四.四元数
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
五.实践：Eigen
代码链接：https://pan.baidu.com/s/1tKQXwGWEiRTUQR_zVv1pfQ
提取码：r220

科学无解
关注
专栏目录
视觉SLAM十四讲 -- 第二讲笔记
pikachu_777的专栏
10-10 528
视觉SLAM十四讲 – 第二讲笔记 2.1 引子 slam任务： 建图：估计环境 定位：估计自身状态 SLAM需要感知外部环境使用，携带传感器。视觉SLAM中使用相机。 单目相机：单张图片无法获得深度信息，要动过移动相机形成视差来估计深度。同时，单目相机存在尺度不确定性。 双目相机：通过基线(两摄像头之间的距离)估计深度。基线越大，可测量的距离越远。深度量程和精度受基线和分辨率限制，计算量消...
笔记与总结：高翔《视觉SLAM十四讲》第二讲
辣屁小心的学习笔记
11-02 1163
O(∩_∩)O哈！ 今天又把第二讲《初识SLAM》的东西大致看了一下，在此做个简单记录，高博在其中也说，这一讲算是全书的一个大纲，所以相当的详细和具体了 首先，高神把小萝卜要解决的问题做了一个更通俗的诠释，也就是说 要明白自身的状态  这就是location 要明白外在的环境  这就是mapping 既然是视觉问题，那肯定是只是用到相机了，根据能否直接得到深度距离，把各自相机的优缺...
《视觉SLAM十四讲课后作业》第二讲
aokanjian8113的博客
03-08 633
1.设线性⽅程 Ax = b，在 A 为⽅阵的前提下，请回答以下问题：1. 在什么条件下，x 有解且唯⼀？ 非齐次线性方程在A的秩与[A|B]的秩相同时方程有解，当R(A)=R(A,B)=n时方程有唯一解。 2. ⾼斯消元法的原理是什么？ 原理：高斯消元法的作用是又来求解线性方程组的解，其原理是将方程组进行加减消元，然后求出未知数X。 3. QR 分解的原理是什么？ 原理...
高翔《视觉SLAM》第二讲笔记
Qzx9059的博客
03-12 463
今天周二，上午三小时看完高翔视觉SLAM第二节课，现在整理今天所学的知识点，今天任务量不大，主要是一些数学知识在SLAM上的应用，我把第二次课的资料放在文章的最后方便大家下载。 ## 视觉SLAM第二讲:三维空间刚体运动 01 点与坐标系 我们知道在一个2D空间上，我们可以用两个坐标（X,Y）加上旋转角来表示一个物体旋转和平移的情况，那么在3D空间中，我们怎么表达这种情况呢？ 在3D空间上，我们知...
视觉SLAM十四讲第二讲
weixin_40486179的博客
10-13 379
第二章 初识 SLAM 1、相机分类 相机可以分为单目相机（Monocular）、双目相机（Stereo）和深度相机（RGB-D）三大类。 1）单目相机 只使用一个摄像头进行 SLAM 的做法称为单目SLAM（Monocular SLAM）。这种传感器结构特别简单，成本特别低，所以单目 SLAM 非常受研究者关注。 照片本质上是拍摄某个场景（Scene）在相机的成像平面上留下的一个投影。它以二维的形式记录了三维的世界。显然，这个过程丢掉了场景的一个维度，也就是所谓的深度（或距离）。在单目相机中，我们无法通过
视觉SLAM十四讲学习笔记——第十二讲 建图
weixin_61294345的博客
11-27 4606
SLAM实际上是一种底层技术，往往用来给上层应用提供信息。在前文已实现的部分，我们最多得到的仅是一个稀疏的地图，在需要实现导航、避障、重建等应用时，稀疏地图很难提供足够的信息，需要考虑如何重建稠密地图，即建模所有看到过的部分。 根据使用相机的不同可以分为：“单目稠密重建”和“RGB-D稠密建图”（双目应该和RGBD类似，都可以主动测得或计算出图像深度）。其中RGB-D相机的稠密重建较为简单，最直观、简单的方法就是将RGB-D数据转换为点云地图，再结合相机位姿进行拼接，并对点...
视觉SLAM十四讲学习笔记——第九讲 后端优化（1）
weixin_61294345的博客
11-25 2814
经过前端（视觉里程计）估计得到的轨迹和地图由于存在累计误差，在长时间内是不准确的。因此希望构建一个针对全局的更大规模的优化问题，得到最优的轨迹和地图，这里主要有两种解决思路： （1）基于马尔可夫性假设的卡尔曼滤波器：马氏性假设可以简单地理解为“当前时刻状态只与上一时刻有关”。针对SLAM问题（非线性）的卡尔曼滤波器给出了单次线性近似下的最大后验估计，或者说是优化过程中一次迭代的结果。 （2）非线性优化：非线性优化考虑了当前及之前所有时刻的状态，同时优化所有时刻的相机位姿以及各个特征点的空...
视觉SLAM十四讲学习笔记——第十三讲 实践：设计SLAM系统
weixin_61294345的博客
12-02 2646
1.如何运行示例代码 2.主要头文件 3.主要算法框架图 4.主要关注的问题
视觉slam十四讲 pdf_《视觉SLAM十四讲》学习笔记+关键知识点汇总（一）
weixin_39838028的博客
12-17 424
刚体运动的分解：旋转+平移旋转：旋转矩阵Rotation Matrix，是行列式为1的正交矩阵（逆为自身转置的矩阵），SO（n）表示特殊正交群因此变化可表示为：A’ = RA+t在三维向量末尾加1，变成4项之后，变成齐次的形式，SE（N），其中左上为旋转矩阵，右侧为平移矩阵，左下为0，右下为1，又称为特殊欧式群。旋转矩阵的表示方法：旋转向量/欧拉角/四元数/编程实现：Eigen库里的Vector3...
[学习笔记-SLAM篇]视觉SLAM十四讲ch9
warningm_dm的博客
08-03 1170
和第6讲状态估计一样，太多数学推导了，抽象的东西没那么多，但是更令人头大了。 具体的推导还是有亲自计算的必要的，不过整体思路整理也很必要。 注： 1）学习视频：【高翔】视觉SLAM十四讲。 视觉SLAM十四讲第9讲9.1 理论部分9.2 实践部分 第9讲 9.1 理论部分 前端传输过来的地图点、相机运动这些数据都是粗糙的，虽然构建了运动方程（纯视觉SLAM没有）和观测方程，但含有误差，因此需要后端进行优化。 后端优化的方式就是进行状态估计。 1）状态估计 在视觉SLAM中，我们需要优化（待估计）的量是
《视觉slam十四讲》讲读书笔记——第二讲
认真的虎的博客
07-02 1789
1.什么是slam？ SLAM，simultaneous location and mapping,即使定位与建图。他指的是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，同时估计自己的运动。我理解的是，slam是为了解决机器自主运动问题的一种方案。 机器人实现自主运动需要解决两大问题。 其中，定位侧重对自身的了解，建图侧重对外在的了解。这两个问题是相互耦合...
视觉SLAM十四从入门到放弃：第二讲习题
weixin_43135184的博客
04-24 408
1. 阅读文献[1]和[14]，你能看懂其中的内容吗 文献较难下载，没有看； 3.g++命令有哪些参数？怎么填写参数可以更改生成程序的文件名？ 答：g++有非常丰富的参数列表，改程序名，可通过如下命令实现 g++ '要编译的文件' -o '希望生成的文件名' 默认参数下将生成，a.out ...
《视觉SLAM十四讲》笔记——第二讲_初识SLAM
qq_35604674的博客
03-12 347
自身位置——定位 周围环境——建图 传感器分类 机器人携带 编码器 相机 激光传感器 IMU（惯性测量单元）——可适用于未知环境 环境中安装 导轨 标志 GPS ——使用场景受限 视觉SLAM 强调未知环境 视觉——相机，不同于单反相机，它更简单，连续拍摄，形成视频流。普通摄像头30帧/秒 相机分类 单目相机（Monocular） 单目相机的数据：照片； 照片（图像）以二维的形式反映了三...
视觉slam第二讲笔记:初识slam和编译
bitdai2018
06-03 319
视觉slam第二讲笔记视觉SLAM第二讲笔记slam框架：SLAM问题描述编程工具1. g++2.cmake创建工程执行编译生成库3.IDE：CLION强烈安利大家购买《视觉slam十四讲》，这是极好的一本书 视觉SLAM第二讲笔记 slam: Simultaneous Localization and Mapping:同时定位与地图构建 slam框架： 传感器信息读取：相机图像信息的读取和预处...
视觉SLAM十四讲学习笔记——第二讲
weixin_30955341的博客
11-06 184
2.1引子：小萝卜的例子 　　1. 惯性测量单元（Inertial Measurement Unit, IMU） 　　2. 按照工作方式的不同，相机可以分为单目相机（Monocular）、双目相机（Stereo）、和深度相机（RGB-D）三大类。 　　3. RGB-D除了能够采集到彩色图片之外，还能够读出每个像素与相机之间的距离。 　　单目相机 　　　　只使用一个摄像头进行SLAM的做法...
视觉slam14讲 学习笔记/Ubuntu环境配置
weixin_43532723的博客
01-14 581
Ubuntu配置cmake/g++/kdevelop的安装硬件软件版本kdevelop的汉化 cmake/g++/kdevelop的安装 硬件 软件版本 Ubuntu 18.04.03 kdevelop 4:5.2.1-1ubuntu4 按照书上所说安装，没什么好说的 kdevelop的汉化 参照 https://blog.csdn.net/lch_vison/article/details/79...
视觉SLAM十四讲笔记 -- 第二讲
野生C猿的专栏
12-19 2038
第二讲：课后题 1．阅读文献[1]和[14]，你能看懂其中的内容吗? 文献1：A survey of monocular simultaneous localization and mapping 可以从百度学术上自行下载 本文献是一篇SLAM的综述，首先从AR（Augmented reality 增强现实）切入，讲了SLAM的重要性以及视觉SLAM可以带来的好处，然后以此展开总体的概括了SLAM的发展情况，也分析和介绍了各不同SLAM的性能区别，对各个特性进行了对比和分析，最后总体讲了现有SLAM技术
视觉SLAM十四讲-高翔（学习笔记）第2讲 初识SLAM
qin_liang的博客
09-07 717
初识SLAM
视觉SLAM十四讲——第二讲习题
w_pebble的博客
04-26 1682
3.g++编译文件：g++ -o test.exe test.cpp8.完善hello SLAM小程序，把它做成一个小程序库，安装到本地硬盘中：新建一个库文件的工程，新建CMakeLists.txt：cmake_minimum_required( VERSION 2.8 ) # 声明一个 cmake 工程 project( libHelloSLAM ) # 设置编译模式 set( CMAKE_...
视觉SLAM十四讲：G2O优化与点云特征提取技术
- 视觉SLAM十四讲：这部分可能指的是一个系统的教程或课程，它可能包含了14个关键章节或课程，详细讲解视觉SLAM的理论知识与实践技巧。 描述中提到的知识点包括： - g2o优化：这是对G2O图优化框架的具体应用，涉及...
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
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