视觉SLAM十四讲__学习笔记

已于 2022-10-04 11:43:52 修改
阅读量163 收藏
点赞数
分类专栏： CV 文章标签： 学习 人工智能
于 2022-10-03 11:03:49 首次发布
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_39753778/article/details/127129359
版权

书里的代码: https://github.com/gaoxiang12/slambook

2 初识SLAM

2.2 经典视觉 SLAM 框架

在这里插入图片描述

3 三维空间刚体运动

3.1 旋转矩阵

3.1.1 点和向量, 坐标系

在这里插入图片描述
在这里插入图片描述

阅读 http://eigen.tuxfamily.org/dox-devel/modules.html 学习更多的 Eigen 知识

步步咏凉天
关注
专栏目录
视觉slam十四讲 pdf_视觉SLAM十四讲学习笔记（一）
weixin_39616090的博客
12-17 2920
本次给大家带来的是高翔的《视觉SLAM十四讲》一书中第二讲的学习笔记。这次及此后的相关推送中的提及到的“书”，不加说明均指作者高翔的《视觉SLAM十四讲》一书。引子说到定位，大多数人的第一印象可能都是GPS。诚然，如今用GPS实现室外环境定位非常容易，我们日常使用的手机基本上都有GPS。然而GPS也远不是完美无缺的，因为它完全依赖于远距离在轨卫星发来的微弱无线电信号。这就意味着在没有无线...
视觉slam十四讲 pdf_视觉SLAM十四讲学习笔记（四）
weixin_39961522的博客
12-17 258
相机与图像一、相机模型针孔相机模型其中负号表示成的像是倒立的。为了简化模型，我们把可以成像平面对称到相机前方，和 三维空间点一起放在摄像机坐标系的同一侧：我们把中间的量组成的矩阵称为相机的内参数矩阵（Camera Intrinsics）K。通 常认为，相机的内参在出厂之后是固定的，不会在使用过程中发生变化。有的相机生产厂 商会告诉你相机的内参，而有时需要你自己确定相机的内参，也就是所谓的标定。除了...
视觉slam十四讲 pdf_视觉slam第七讲学习笔记
weixin_39676972的博客
11-29 1010
七八讲是视觉里程计（VO），即前端的内容。一开始看感觉挺不习惯，这写的非常不详细，对算法的内容一带而过，基本上只有特性的介绍，如果想要弄清楚原理还得自己去看资料，我现在还没有做这个工作，等看完书再去吧。代码也是大量的格式化的东西，有些类似于在学神经网络，学习函数的用法，学习这个框架咋写，需要特别说明的东西不多。1.feature_extraction.cpp中的一些内容1.1.main函数的参数从...
《视觉SLAM十四讲》学习笔记
qq_29128985的博客
11-07 3162
《视觉SLAM十四讲》学习笔记 第一讲：添加链接描述 第二讲
视觉SLAM十四讲学习笔记（一）初识SLAM
qq_53589322的博客
02-04 1563
SLAM: Simultaneous Localization and Mapping 同时定位与地图构建（建图）。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地的模型。同时储计自己的运动。视觉SLAM:以相机为主要传感器的SLAM。同时从图像中估计相机的运动以及环境的情况。传感器在空间运动中将自己的运动估计出来，返给使用者；在运动过程中描述出运动环境。【高翔】视觉SLAM十四讲_哔哩哔哩_bilibili。
【slam】视觉slam十四讲笔记
Sixyeah的博客
07-26 176
学习slam必备知识及软件。
视觉SLAM十四讲学习笔记
weixin_42751489的博客
12-21 1862
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言第一讲 预备知识1.1 本书讲什么SLAM特点目的相关书籍第二讲 初识SLAM2.1自主运动能力传感器摄像头2.2流程视觉里程计后端优化回环检测建图度量地图拓扑地图2.3 数学表述运动过程的数学表述基本定义运动观测 前言 c 第一讲 预备知识 1.1 本书讲什么 SLAM Simultaneous Localization and Mapping，中文译作“同时定位与地图构建”。 特点 搭载特定传感器的主体; 没有环境先验信
视觉SLAM十四讲从理论到实践学习笔记(高翔)-第一讲
qq_57087364的博客
04-13 782
slam即同时定位与地图构建（建图）。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与运动过程中建立环境的模型同时估计自己的运动。说的是两件事：1.传感器在空间运动过程中，首先要把自己的运动估计出来，因为传感器不能直接把运动返回给你。2.在空间运动过程中，把环境是什么样子这件事情给描述出来。描述不一定是唯一的。如果是地图也叫地图，但是三维空间中一些离散的点，有时候用这些点来定位，这些点也可以叫做地图。地图模型不一定是固定的。运动模型简单一些，把当前位置在哪里，就可以把轨迹估计出来，这就是估计它的运动。
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...
视觉SLAM十四讲学习笔记——第十二讲 建图
weixin_61294345的博客
11-27 4604
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
[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
嵌入式通信协议：MODBUS简明学习笔记
weixin_73867577的博客
11-02 331
学习Modbus的简明学习笔记
软件测试学习笔记丨Vue常用指令-条件渲染（v-if）
ceshiren_com的博客
11-05 483
v-show只是简单控制dom元素的display属性。v-if通过操纵dom元素来进行切换显示。
SPI通信详解-学习笔记
qq_45059758的博客
11-04 493
SPI通信
SAP ABAP开发学习——接口中间件（PI）
m0_64077397的博客
11-04 194
左侧的红圈表示没有被生成。
RL学习笔记-表格型方法
m0_63213284的博客
11-02 419
参考资料：蘑菇书；《世界冠军带你从零实践强化学习》B站课程。
D60【python 接口自动化学习】- python基础之数据库
最新发布
tian_nx的博客
11-06 306
数据库就是指数据存储的库，作用就是组织数据并存储数据...
视觉slam十四讲笔记
08-13
在《视觉SLAM十四讲》中，章节安排如下： 1. 数学基础部分：介绍这本书的基本信息，包括自测题。概述SLAM系统的组成和各模块的工作。介绍三维空间运动、李群和李代数、针孔相机模型以及非线性优化。完成一个曲线...
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