SLAM面试笔记(1) -《视觉SLAM十四讲》

已于 2023-10-08 17:28:17 修改
阅读量2.9k 收藏 36
点赞数 9
分类专栏： SLAM项目实战 文章标签： 自动驾驶 面试 计算机视觉
于 2023-03-05 11:14:49 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_41921826/article/details/129290695
版权

目录

第2讲：初识SLAM

问题1： 简述经典的SLAM框架

问题2： 视觉里程计的作用和存在的问题

问题3： 后端优化的作用

问题4： 回环检测的作用

第3讲：三维空间刚体运动

问题5：描述四元数的定义

第4讲：李群与李代数

问题6：评价轨迹误差的指标

第5讲：相机与图像

问题7：针孔相机模型与畸变模型

问题8：双目相机模型

问题9：RGB-D相机模型

第6讲：非线性优化

问题10：状态估计问题处理方法分类

问题11：SFM基本概念

第7讲：视觉里程计1

问题12：视觉里程计算法分类和简介

问题13：特征点概念

问题14：几种常用的特征点提取方法

问题15：非极大值抑制

问题16：ORB特征提取过程

问题17：FAST关键点提取过程

问题18：图像金字塔 

问题19：灰度质心法

问题20：BRIEF描述子

问题21：如何计算相机运动

问题22：对极几何求解步骤

问题23：相机位置估计步骤

问题24：本质矩阵的性质

问题25：八点法求解本质矩阵

问题26：对极几何约束的局限性

问题27：初始化的纯旋转问题

问题28：单目SLAM如何获取像素点深度？

问题29：视差的概念

问题30：PnP的概念与求解方法

（1）PnP的概念

（2）PnP的求解方法

问题31：PnP的求解方法中DLT、P3P需要多少对求解点

问题32：P3P求解思路和缺点

第8讲 视觉里程计2

问题28：特征点法的缺点和解决办法

（1）特征点法的缺点

（2）特征点法缺点的解决办法

问题29：直接法简介

问题30：2D光流

问题31：Lucas-Kanade光流

问题32：多层光流

问题33：直接法

（1）直接法的思路

（2）直接法的分类

（3）直接法优缺点

问题34：光流法和直接法的区别？优化的变量是什么？

第9讲 后端1

问题35：滑动窗口法

（1）滑动窗口法定义

（2）滑动窗口法步骤

问题36：共视图

第10讲 后端2

第11讲 回环检测

问题37：回环检测意义

第12讲 建图

问题38：逆深度


 

第2讲：初识SLAM

问题1： 简述经典的SLAM框架

 整个视觉 SLAM 流程包括以下步骤。

  1. 传感器信息读取。在视觉 SLAM 中主要为相机图像信息的读取和预处理。如果是在机器人中，还可能有码盘、惯性传感器等信息的读取和同步。
  2. 前端视觉里程计（ Visual Odometry，vo)。视觉里程计的任务是估算相邻图像间相机的运动，以及局部地图的样子。VO 又称为前端 ( Fron
了解本专栏 订阅专栏 解锁全文 超级会员免费看
SLAM面试笔记(3) - 视觉SLAM
几度春风里的博客
04-15 3495
SLAM面试笔记，持续更新中！
SLAM面试笔记(2) - ORB-SLAM2
几度春风里的博客
04-20 1129
ORB-SLAM2知识点和面试汇总，持续更新！
SLAM十四讲 高翔
shike951128的博客
05-23 6883
清华大学 2016年冬天 CH1 运动模型，地图模型。环境的鲜艳信息，地图的信息。 基于视觉的机器学习。相机只知道灰度。 书： The Bible: Multiple View Geomery in Computer Vision State Estimation for Robotics: A Maxtrix-Lie-Group Approach Probabilistic Robotics 第一部分 数学基础 三维空间刚体运动 Eigen 李群和李代数 Sophus 非
视觉SLAM十四讲笔记（ch1-2）
最新发布
Ltr_20213962的博客
10-19 521
个人简单理解为，是一种表示拓扑关系、不存在准确距离信息的地图，例如：我家地图是，客厅在中间，周围连着卧室、书房、厨房、卫生间，书房又连着阳台。（OctoMap）、栅格地图（Grid Map）等都属于度量地图，能够从这个地图中获取具体的尺度信息，例如某个点距离某个点多远、XXX障碍物面积有多大。拓扑地图注重表示环境的连接关系，而不是具体的几何细节。稀疏地图例如视觉SLAM建立的特征点地图，是稀疏的，一般多用于自身定位而难以直接导航；场景和成像具有几何关系，近物的像运动快，远物的像运动慢，可推断距离。
【SLAM十四讲】一到十四讲内容大致速通（更新至第二讲）
HARYORE的博客
09-29 1308
由于本文作者也只是在这个领域刚刚起步。所以对本文中的观点，读者应辩证地有思考地看待，并且评论区欢迎不同的意见进行讨论与指正。
slam十四讲（1）
Simon的博客
12-03 667
传感器信息读取。在视觉slam中主要为相机图像信息的读取和预处理。如果在机器人中，还可能有码盘、惯性传感器等信息的读取和同步 视觉里程计（visua odometry，VO）视觉里程计任务是估算相邻图像间相机的运动以及局部地图的样子。VO又称为前端 front end。 后端优化（optimization）后端接受不同时刻视觉里程计测量的相机位置，以及后环检测的信息，对他们进行优化，得到全局一致的轨迹和地图。由于接在VO之后，又称为后端（back end）。 回环检测（loop closing）回环检测..
视觉SLAM十四讲
epic_Lin的博客
01-26 1万+
1、激光SLAM 激光SLAM相对成熟，比如2005年出版的《概率机器人》中就介绍了很多关于激光SLAM的知识，在ROS里也能找到许多关于激光定位、激光建图的现成软件。 2、单目SLAM 在相机移动时，近处的物体移动快，远处的物体移动慢，极远处的物体看上去是不动的。于是当相机移动时，这些物体在图像上的运动就形成了视差。通过视差，我们就能定量的判断哪些物体离得远，哪些物体离得近。 然而，即使我们知道了物体远近，它们仍然只是一个相对的值。单目SLAM估计的轨迹和地图将与真实的轨迹和地图相差一个因子，也就
slam十四讲 _直接法
qq_37417682的博客
01-14 2629
标题 前端视觉里程计能给出一个短时间内的轨迹和地图，但由于不可避免的误差累积，这个地图在长时间内是不准确的。所以，在视觉里程计的基础上，我们还希望构建一个尺度，规模更大的优化问题，以考虑长时间内的最优轨迹和地图。 第二讲中已经说到，视觉里程计只有短暂的记忆，我们希望整个运动轨迹在较长的时间内都能保持最优状态。 在后端优化中，我们通常考虑一个更长时间内(或所有时间内)的状态估计问题，而且...
SLAM面试笔记(8) — 计算机视觉面试题
几度春风里的博客
10-06 1510
若将长、宽与深度方向的卷积操作进行分离操作，变为先与 HXW方向卷积，再与C方向卷积的两步卷积操作，则同样有 K 个相同的尺寸的卷积核，只需要 (HxW+C) XK个参数，便可得到同样的输出尺度。综上所述，卷积核的大小并没有绝对的优劣，需要视具体的应用场景而定，但是极大和极小的卷积核都是不合适的，单独的 1X1极小卷积核只能用作分离卷积而不能对输入的原始特征进行有效的组合，极大的卷积核通常会组合过多的无意义特征，从而浪费大量的计算资源。比如黑白图片的深度为1，而在RGB色彩模式下，图像的深度为3。
视觉slam14讲学习笔记（持续更新中）
热门推荐
DavidHan008
05-07 5万+
写在最前面： SLAM特指：特指搭载传感器的主体，在没有环境先验的信息情况下，在运动过程中建立环境模型，通过估计自己的运动。 SLAM的目的是解决两个问题：1、定位 2、地图构建 也就是说，要一边估计出传感器自身的位置，一边要建立周围环境的模型 最终的目标：实时地，在没有先验知识的情况下进行定位和地图重建。 当相机作为传感器的时候，我们要做的就是根据一张张连续运动的图像，从中估计出
【视觉SLAM14讲】【汇总】
qq_45954434的博客
06-27 1万+
第一讲东西少，就没记录【slam十四讲第二版】【课本例题代码向】【第二讲初识SLAM】【SLAM基础知识】【linux下C++编译】【cmake基础使用】【slam十四讲第二版】【课本例题代码向】【第三~四讲刚体运动、李群和李代数】【eigen3.3.4和pangolin安装，Sophus及fim的安装使用】【绘制轨迹】【计算轨迹误差】【slam十四讲第二版】【课本例题代码向】【第五讲~相机与图像】【OpenCV、图像去畸变、双目和RGB-D、遍历图像像素14种】【slam十四讲第二版】【课本例题代码向】【
SLAM十四讲
12-04
SLAM十四讲是最权威的教程，SLAM十四讲是最权威的教程
SLAM14讲~视频链接
01-29
SLAM14讲，清华大学高翔亲自讲SLAM14讲视频。有代码的讲解和书籍内容的讲解。。SLAM14讲对计划学SLAM的童鞋来说是一本非常合适的书。
视觉SLAM入门十四讲
jasper185的博客
04-05 8177
视觉SLAM入门十四讲写在前面的话什么是视觉SLAM视觉SLAM中所使用的摄像头传感器单目摄像头双目摄像头深度摄像头 写在前面的话 考研期间迷上了SLAM，买来了高翔、张涛等著的《视觉SLAM十四讲——从理论到实践》，感悟颇深，作文记之。愿心之所向，梦亦同趋。 什么是视觉SLAM SLAM是Simulataneous Location and Mapping的缩写，中文译为“同时定位与地图构建”。通俗来讲就是两个部分，“定位”与“建图”。同时此处所用的传感器主要为摄像头，故称为视觉SLAM。 视觉SLAM中
《视觉SLAM十四讲》学习日志(二)——初识SLAM
Nikki_o3o的博客
02-26 371
《视觉SLAM十四讲》学习日志(二)——初识SLAM 小萝卜机器人的例子： 就像这种机器人，它的下面有一组轮子，脑袋上有相机(眼睛)，为了让它能够探索一个房间，它需要知道： 1.我在哪——定位 2.周围环境怎么样——建图 定位和建图可以理解成感知的 "内外之分"，一方面要明白自身的状态(位置)，另一方面要了解周围的环境(地图)。要完成这...
slam一些面试问题（一）
lv15076050705的博客
03-24 4910
面试复盘
SLAM面试题
lxiao428的博客
07-26 1096
这里面详细的介绍了计算机视觉与OpenCV算法（包括算法讲解，案例实战，模型部署，pytorch和TensorFlow的学习），SLAM学习的内容（包括数学基础、SLAM基础、视觉SLAM算法和激光SLAM算法的解读），C++/Python编程等等方向的内容。
SLAM 面试题
草莓奶忻的博客
05-08 2302
YOLO（You Only Look Once）是一种流行的目标检测算法，它可以实时地识别图像中的对象，并给出对象的位置（通过边界框）。SLAM（Simultaneous Localization and Mapping），即同时定位与建图，是一个用于自主机器人和增强现实应用的技术，它通过感知周围环境来同时估计机器的位置和构建环境地图。将YOLO和SLAM结合使用主要目的是利用YOLO的目标检测能力来辅助SLAM在动态环境中的稳定性和准确性。
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

打赏作者

几度春风里

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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