SLAM学习笔记
Lose--Yourself
SLAM方向研究生
展开
-
连续系统离散化
连续时间系统离散化原创 2022-09-05 20:45:05 · 835 阅读 · 0 评论 -
数学期望E(x)
数学期望原创 2022-08-17 10:59:47 · 419 阅读 · 0 评论 -
极大似然估计
极大似然概率原创 2022-08-17 10:07:22 · 91 阅读 · 0 评论 -
perspective projection
什么是透视投影?这条铁路两条铁轨并不会像实际的轨道一样无限延伸,而是会在远处相交于某一个点,这个点叫做vanishing point ,离我们越近的物体看着要大一些,离我们较远的物体看着要小一些(比如轨道中间的横梁)就像达芬奇这幅画,我们可以注意到所有的直线都汇交于同一个点,all the lines disappear back to the single point.下图表示的是透视投影的几个要素,首先是spectator,spectator有一个确定的高度,因为其高度不一样,所看到的画面也会原创 2022-04-27 16:30:27 · 209 阅读 · 0 评论 -
相机的归一化图像平面
相机的归一化图像平面在相机的z = 1 前方,将相机平面几百几百的像素单位的坐标转换成了在相机前方的米制(如果有实际尺度)的坐标单位,有利于图像本质矩阵或者三角化的计算,防止求解方程的时候出现退化解,因为相机像素点的齐次坐标形式会有一个1,几百的像素坐标形式可能会使得方程的解退化将相机坐标系下面的一个点PPP三个坐标同时除以ZZZ即可得到相机坐标系下面的归一化坐标P=[x,y,z]T=[x/z,y/z,1]T P = [x,y,z]^T = [x/z,y/z,1]^TP=[x,y,z]T=[x/z,y原创 2022-04-10 11:15:08 · 1585 阅读 · 0 评论 -
VINS滑动窗口边缘化操作
VINS中滑动窗口的边缘化操作VINS是针对滑动窗口中的关键帧进行BA,为了保证滑动窗口中的关键帧数量限制在窗口的最大数量之内(VINS中取的是十个关键帧),当有新的关键帧进来的时候需要对之前的关键帧丢掉,但由于老的关键帧可能还会与窗口中的关键帧存在相机的观测约束,不能直接丢掉,所以丢掉的策略是对老的关键帧进行边缘化操作。边际概率如上图所示,上表表示的是一个二维随机变量的分布表,横轴表示的是学生花在学习上的时间,单位为分钟,纵轴表示的是学生在测试中所取得的成绩,数字表示的是学生的分数,而表中的每一个原创 2022-04-08 15:26:15 · 1003 阅读 · 0 评论 -
2021-06-03
ORB-SLAM2非主流旋转方向特征点筛选对于一个静态的场景,当前帧所有特征与上一帧的旋转方向应该是相同的,通过这个特性,可以对通过计算BRIEEF描述子之间距离得到的匹配的特征点进行筛选,筛出旋转方向非主流的误匹配。首先,计算匹配得到的两个特征点的旋转角度的差值,该差值的取值范围是[0,360°],将该取值范围划分为12个等份,每个等份代表着特征点的旋转方向的取值范围,将计算得到的两张图之间的特征点方向的差值放到对应的区间内得到关于特征点旋转方向的直方图。取出排名前三的直方图,如果次优小于了最优的十原创 2021-06-03 18:40:09 · 73 阅读 · 0 评论 -
2021-05-26
SLAM中的SVD分解1.SVD分解的作用SVD分解在SLAM中主要有以下两个方面的作用1.用于求解齐次线性方程的最小二乘解2.对基础矩阵或者本质进行分解,将其第三个奇异值强制置为0,使其秩为22 求解齐次线性方程的最小二乘解2.1求解单应性矩阵方程Ah=0;Ah = 0;Ah=0;该方程严格等于0可能无解,一般求解其最小二乘解,其对应的代价函数为f(h)=12(Ah)T(Ah)=12hTATAh f(h)=\frac{1}{2}(Ah)^T(Ah)=\frac{1}{2}h^TA^TAh原创 2021-05-26 17:08:02 · 159 阅读 · 0 评论