![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
SLAM
文章平均质量分 93
SLAM知识记录
Joe--LI
https://www.guyuehome.com/
展开
-
后端之非线性优化
在后端优化中,存在着两种优化算法,一种是利用矩阵分解求得最小二乘问题解的方法,不用迭代;第二种就是利用迭代的方式,不断调整参数,使残差最小,这种算法是本章要介绍的算法,也是我们通常所说的非线性优化的方法。原创 2024-03-28 17:51:31 · 1335 阅读 · 1 评论 -
后端之卡尔曼滤波
在很久之前,人们刚结束信息传递只能靠信件的时代,通信技术蓬勃发展,无线通信和有线通信走进家家户户,而著名的贝尔实验室就在这个过程做了很多影响深远的研究。为了满足不同电路和系统对信号的需求,比如去除噪声,或者区分不同频率的信号,滤波器就诞生了,而贝尔实验室就是这一领域研究的先行者。早期的滤波器是电子滤波器,是由电阻,电感,电容等电子元件组成的物理电路,其电路图大概长这样:这个是由一个电容和一个电阻组成的RC滤波器。而装在实际家电或者设备中的滤波器大概如下图,这个是一个包含高通和低通滤波器的信号分离装置。原创 2024-03-28 17:39:16 · 1054 阅读 · 1 评论 -
视觉里程计之相对位姿估计
这是视觉里程计的最后一个介绍,在第一个部分介绍了特征点法用于采集图像之间的特征,在匹配好特征点后,我们可以得到两个一一对应的像素点集。接下来要做的,就是根据两组匹配好的点集,计算相机的运动了。在普通的单目成像中,我们只知道这两组点的像素坐标。而在双目和RGBD配置中,我们还知道该特征点离相机的距离。因此,该问题就出现了多种形式:2D-2D形式:通过两个图像的像素位置来估计相机的运动。3D-2D形式:假设已知其中一组点的3D坐标,以及另一组点的2D坐标,求相机运动。3D-3D形式:两组点的3D坐标均已知,估原创 2024-03-27 09:56:58 · 994 阅读 · 0 评论 -
视觉里程计之对极几何
上一个章节介绍了视觉里程计关于特征点的一些内容,相信大家对视觉里程计关于特征的描述已经有了一定的认识。本章节给大家介绍视觉里程计另外一个概念,对极几何。原创 2024-03-26 22:28:10 · 724 阅读 · 0 评论 -
相机投影及相机畸变
到目前为止,相机成像有两大转换过程,相机投影及畸变消除,主要由内参矩阵以及畸变参数,这两种参数来决定。而求出这两类参数的过程,就是相机标定,目前相机常用的方法是借助棋盘格标定板,在相机前面拿着标定板上下左右前后移动,然后借助标定算法来求出以上参数,常用的标定算法有张正友标定法。原创 2024-03-04 11:27:22 · 1361 阅读 · 1 评论 -
视觉SLAM简介
SLAM(Simultaneous Localization and Mapping),意为同时定位与建图。看名字比较难理解,但是结合到日常生活中的例子就很好懂了。想象一下到了一个陌生环境中,比如你现在的某个陌生的迷宫里面,你需要找到出去的路,一开始你不知道自己在哪所以只能凭感觉四处走动,但是在行走过程中你还是很聪明的做了一些标记,当突然走到一个位置,你发现目前这个场景好熟悉,是不是哪里见过,不太肯定,但是毕竟没走出去只能继续往前走,知道走到某个位置,你发现了你之前做过的某个标记。原创 2024-03-07 17:23:22 · 1051 阅读 · 1 评论 -
三维空间刚体运动
在上一个Part,我们知道了坐标转换的一些基础只是,其实三维空间的刚体运动与其也有紧密的联系,可以理解为刚体运动为持续的把运动坐标系中的坐标变换到固定坐标系中,此外再加上旋转这一过程。原创 2024-03-07 16:46:12 · 904 阅读 · 1 评论 -
坐标系变换与外参标定
在 相机投影及相机畸变-CSDN博客 中,已经和大家介绍了三维世界到二维世界的图像投影和图像畸变及其去除相关问题。有了内参,我们可以一定程度的还原相机到底看到了什么。但是相机观测的数据还是处于相机坐标,我们还需要将局部观测转变到全局观测上来。将传感器坐标系观测转换到载体坐标系需要通过外参。本章将介绍坐标系转换及相机外参这两部分内容。原创 2024-03-04 15:04:55 · 875 阅读 · 1 评论 -
视觉里程计
视觉里程计是VSLAM中的前端部分,而特征追踪是视觉里程计中的一个基础和关键的任务,它的作用是从两张或者多张图片中识别对应相同或相似的内容。通过追踪图像中局部特征在前后帧图像中的位置,可以实现视觉运动估计这个工作。但是需要提及的是特征的抽取及匹配是整个VSLAM系统中最耗时的计算过程之一,所以如何实现快速且鲁棒的特征点检测匹配算法也是研究VSLAM一个重要的话题。原创 2024-03-13 14:26:58 · 879 阅读 · 0 评论