- 博客(6)
- 收藏
- 关注
RSS订阅原创 BundleFusion学习笔记(1)：概述
介绍传统SLAM的任务基本可以分为两类：定位与建图。定位任务重在计算相机位姿，得到的是稀疏的点云结果，目前比较好的有ORBSLAM和；而建图任务重在建出完整的模型，目前比较好的就是这个2016年的BundleFusion。笔记内容本系列文章主要记录的内容有：BundleFusion基本步骤BundleFuison作者做的其他和SLAM有关的工作BundleFusion使用踩坑记录...
2020-11-23 16:35:21
1713
1
原创 基于体素的三维重建的最终结果——Marching Cubes算法学习笔记
这个算法在3d重建中很常用，最早来自于1987年的论文《MARCHING CUBES: A HIGH RESOLUTION 3D SURFACE CONSTRUCTION ALGORITHM》。不想重复造轮子，所以先贴几篇介绍这个算法的帖子：游戏《孢子》的思考 —— Marching Cube算法Marching Cube算法在点云重建上的简单应用看完之后基本就对这个算法有一定的了解了。我想补充的还有几点。1. 论文阅读1.1 核心思想：There are two primary step
2020-11-23 15:47:24
4125
原创 基于体素的三维重建的核心思想——A Volumetric Method for Building Complex Models from Range Images 阅读笔记
阿斯顿
2020-11-23 15:06:49
3882
原创 视觉SLAM十四讲（第二版）阅读笔记 第二讲 初识SLAM
2.1举例具有自主运动能力的机器人需要什么技术支撑？首先它得会动，其次，“自主”，必须需要它掌握两个知识：我在哪？（内部自身具体定位）我周围有什么？（外部环境整体建图）GPS或者周围环境感应，可以解决这两个知识的获取问题，但这两个技术受制精度与成本等，未必是最好的选择。而SLAM技术，尤其强调未知环境，以不变应万变。这样的技术可以适合更多种类的场景，实现过程也会更加简便。视觉SLAM主要分为单目，双目以及深度（RGB-D）三种相机，但基本原理和单目均相似。单目相机：成本低，但由于单目无
2020-07-28 15:07:27
311
原创 视觉SLAM十四讲（第二版）阅读笔记 第一讲 预备知识
1.1 本书主要内容SLAM定义：Simutaneous Localization and Mapping，同时定位与地图构建。搭载特定传感器的主体，在没有环境先验知识的情况下，于运动过程中建立环境的模型，同时估计自己的运动。如果使用相机作为传感器，则称其为视觉SLAM（即本书不太介绍雷达红外之类的传感器SLAM）更通俗一点讲，视觉SLAM就是实时的，没有先验知识的情况下，根据一张张连续运动的图像，从中推断相机的运动，以及周围环境的变化。本书除了介绍主要的技术与经典算法，也会补充相应的背景知识，以实
2020-07-27 20:13:49
259
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人