位姿估计 | SVO 论文与代码分析分讲

最新推荐文章于 2021-12-28 14:43:23 发布
最新推荐文章于 2021-12-28 14:43:23 发布
阅读量629 收藏 1
点赞数
分类专栏： 技术文章 论文 文章标签： 位姿估计 SVO SLAM 小觅双目相机 小觅智能
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_43525734/article/details/90712468
版权

位姿估计
代码主框架在 FrameHandlerMono::processFrame()。
稀疏图像对齐（直接法）
代码主要在 SparseImgAlign。
在这里插入图片描述
使用稀疏直接法计算两帧之间的初始相机位姿T_cur_from_ref：根据last_frame_的特征点 和last_frame_与new_frame_的相对位姿，建立损失函数（两帧之间稀疏的 4x4 的 patch 的光度误差）SparseImgAlign::computeResiduals，使用 G-N 优化算法获得两帧之间的位姿变换，没有特征匹配过程，效率较高。
在这里插入图片描述
其中，
在这里插入图片描述

  • patch 选取了 4x4 的大小，忽略 patch 的变形，并且没有做仿射变换（affine warp），加快了计算速度
  • 在几个图像金字塔层之间迭代优化，从金字塔的最顶层（默认是第五层klt_max_lev
最低0.47元/天 解锁文章
qq_43525734
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
初始化 | SVO 论文与代码分析分讲
qq_43525734的博客
05-27 419
论文： SVO: Fast Semi-Direct Monocular Visual Odometry 代码（注释版）：https://github.com/cggos/svo_cg SVO 结合了直接法和特征点法，称为 半直接单目视觉里程计。 初始化 获取第一关键帧和第二关键帧的相对位姿，并建立初始地图，代码主要在 initialization.cpp 中。 1）处理第一帧FrameHandl...
一种组合型损失函数的位姿估计算法
01-26
基于卷积神经网络(CNN)的目标位姿估计模型的损失函数大多采用两点之间的欧氏距离作为评判准则,虽然该损失函数计算简单、运算速度快,但训练规则不够全面、缺乏对目标的全局认识。针对这一问题,提出了一种基于组合型损失函数的ComPoseNet模型,并进行位姿估计。此模型中的损失函数从空间学习的角度出发,同时利用两点欧氏距离、两点直线和两点直线角度等作为训练规则。相比传统损失函数,此算法分别从点、线以及角度方面考虑了目标的空间整体位置,进一步减小了估计位姿与真实位姿之间的误差,位姿估计得以改善。在LineMod数据上进行大量的实验和分析,结果表明,在相同的训练次数情况下,本文算法比传统算法收敛速度快、精度高、误差小,其中平移误差降低了7.407%,角度误差降低了6.968%。
目标检测与位姿估计（二）：YOLOv1超参、评价指标与损失函数的建立
qq_37662375的博客
08-04 1654
超参 找一些对影响比较大的、常用的超参先行学习，目的是尽快上手 评价指标的建立 也先找比较常用的 损失函数的建立 先找一个正常的训练过程图看一看loss的下降趋势，或者看一下我现在在训练的，这个超参数是按照网上设置的应该可以有好效果 看看程序是怎么嫁接YOLO的 YOLOv1算法最后输出的检测结果为7x7x30的形式，其中30个值分别包括2个候选框的位置，有无包含物体的置信度，以及网格中包含20个物体类别的概率三部分。也就是说YOLOv1的损失包括3部分误差：位置误差，...
惯导笔记 - 位姿估计误差分析
luoshi006的博客
09-12 5288
惯导中主要误差分析
SLAM位姿估计部分
qq_35453190的博客
08-17 358
文章目录一、坐标系二、对极几何三、PnP 一、坐标系   世界坐标系经过外参矩阵变换到相机坐标系，相机坐标系投影到归一化平面，经过内参矩阵变换到像素坐标系。在SLAM中，第一帧的相机坐标系就是世界坐标系。 二、对极几何   对于单目相机来讲，只有2D信息，对于2D-2D之间的位姿关系，通过对极几何求解   设P在第一帧相机坐标系下的坐标为[X;Y;Z],现在已知P在两帧图像中的像素坐标，假设两帧图像之间的位姿变化为R，t。则满足以下约束关系： 估计位姿步骤：   通过本质矩阵或者基础矩阵分解出
MoreFusion笔记
qq_43056684的博客
02-02 623
https://blog.csdn.net/congxing9333/article/details/109908336 https://blog.csdn.net/u013019296/article/details/106321873 https://blog.csdn.net/wolfcsharp/article/details/108874318 简介 对于需要在杂乱环境中进行精确操作的机器人或其他智能设备，需要能够利用他们的相机推理出物体的接触、遮挡等物理关系。目前表面一些短期任务可以利用端到端的
ORB-LSD-SVO 算法分析详解
01-10
ORB-LSD-SVO 算法分析详解，说明很详细，一分钟看懂全部算法原理及代码解析 刘浩敏
移动微支付协议Payword的改进与形式化分析
02-23
为验证改进的移动微支付协议 Payword 能否满足不可否认性， 对 SVO 逻辑进行扩展，并运用扩展后的 SVO 逻辑对改进的 Payword 微支付协议进行形式化分析。分析结果表明，改进后的微支付协议满足不可否认性。
论文研究-轻量级移动支付协议LMPP的安全性分析与改进.pdf
09-13
采用SVO逻辑形式化分析协议，证明协议不满足公平性。并对LMPP协议其他安全属性进行分析，针对协议不满足公平性的部分做出改进。同时运用SPIN模型检测工具进行检测，验证结果表明，改进后的协议满足公平性。
基于两帧间图象的相机姿态估计方法.pptx
11-24
根据视觉十四讲中第七讲为框架，自制的介绍多试图几何的讲义。介绍了基于单目摄像机采集到的多帧图像，实现相机的位姿估计。介绍了対级几何，三角测量，八点法，P3P，ICPSVD分解。对于上述方法的理论推导完善且详尽，对于求解问题用到的算法进行了简明的整理。是学习SLAM前端特征点法的好资料。
摄像机外参数标定（位姿估计 pose estimation）的经典文章和代码 EPNP
07-03
摄像机外参数标定（位姿估计 pose estimation）的经典文章和代码 EPNP
SVO-Note:SVO原始注解，半直接法VO
03-04
SVO的源码使用C++编写，遵循模块化设计，包括特征提取、匹配、位姿估计、光流计算等多个模块。理解SVO的C++代码有助于深入掌握其工作原理，同时也为自定义算法或集成到其他项目中提供了便利。 **5. 笔记整理** 尽管...
认证的密钥交换协议及SVO逻辑证明
02-23
认证的密钥交换协议及SVO逻辑证明
[ICCV 2019] 解决位姿估计中遮挡、对称、无纹理物体的方法
耗子的博客
11-17 2580
Pix2Pose: Pixel-Wise Coordinate Regression of Objects for 6D Pose Estimation 论文地址：pix2pose.pdf github链接：https://github.com/kirumang/Pix2Pose 简介        作者主要解决的是遮挡、对称和无纹理问题，提出一种新...
LineMod模板匹配算法的原理与实现 （原理及公式）
3D视觉工坊
09-14 5704
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达背景介绍LineMod算法是由Hinterstoisser等人在2011年提出的旨在解决杂乱场景下少纹理三维物体的实时监测与6D位姿估...
视觉SLAM十四讲学习5 位姿估计（7）光流法，光流跟踪
qq_41035283的博客
12-28 1922
视觉SLAM十四讲学习5 位姿估计（7）光流法前言LK光流光流金字塔 前言 本篇继续位姿估计，光流法，光流跟踪。 LK光流 基于特征点的位姿估计中，特征匹配是比较耗时的过程。因此，光流法常被用来替换特征匹配法，来加速特征点的跟踪。 假设相机的相邻位姿之间，空间点的亮度（像素灰度值）是不变的，则： I(x+dx,y+dy,t+dt)=I(x,y,t) I(x+dx,y+dy,t+dt)=I(x,y,t) \\ I(x+dx,y+dy,t+dt)=I(x,y,t) 上面这个式子表示，空间点在dtdtdt的时间内
深蓝学院-视觉SLAM十四讲-第六章作业
记录和分享
11-16 3575
第六节课作业 2. LK光流 2.1 光流文献综述 问题： 按此文的分类，光流法可分为哪几类？ 算法分类 应用例子 复杂度 可以应用的场景 Forwards Additive(正向加性) Lucas-Kanade (1981) O(n2N+n3)O(n^2 N + n^3)O(n2N+n3) Any warp Forwards Compositional（正向组合） Shum-Szeliski (2000) O(n2N+n3)O(n^2N + n^3)O(n2N+n3) Any se
计算机视觉中的位姿估计
m0_57622077的博客
04-25 8314
计算机视觉中的位姿估计1. 问题描述2. 2D-2D：对极几何3. 三角测量4. 3D-2D:PnP4.1 直接线性变换4.2 P3P 1. 问题描述 位姿估计在计算机视觉领域扮演着十分重要的角色。在使用视觉传感器估计机器人位姿进行控制、机器人导航、增强现实以及其它方面都有着极大的应用。位姿估计这一过程的基础是找到现实世界和图像投影之间的对应点。然后根据这些点对的类型，如2D-2D, 2D-3D, 3D-3D，采取相应的位姿估计方法。我们通常称把根据已知点对估计位姿的过程称为求解PnP。 2. 2D-2D：
SVO代码 角点评分
最新发布
07-09
以下是一个简单的SVO角点评分的代码示例： ```cpp #include #include int main() { // 读取图像 cv::Mat image = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE); if (image.empty()) { std::cout 无法读取...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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