视觉SLAM十四讲
文章平均质量分 96
苦瓜汤补钙
做一个积极向上的仰泳鲈鱼。
展开
-
视觉slam十四讲学习笔记(七)视觉里程计 2
1.理解光流法跟踪特征点的原理。2.理解直接法是如何估计相机位姿的。3.使用g2o进行直接法的计算。视觉SLAM十四讲ch7_2_哔哩哔哩_bilibili一、直接法的引出视觉slam十四讲学习笔记(六)视觉里程计 1-CSDN博客介绍了使用特征点估计相机运动的方法。尽管特征点法在视觉里程计中占据主流地位,但有以下几个缺点:关键点的提取与描述子的计算非常耗时。实践当中,SIFT目前在CPU 上是无法实时计算的,而ORB也需要近20毫秒的计算。如果整个SLAM以30。原创 2024-03-05 14:05:47 · 907 阅读 · 0 评论 -
视觉slam十四讲学习笔记(六)视觉里程计 1
1.理解图像特征点的意义, 并掌握在单幅图像中提取出特征点,及多幅图像中匹配特征点的方法。2. 理解对极几何的原理,利用对极几何的约束,恢复出图像之间的摄像机的三维运动。3.理解PNP 问题,及利用已知三维结构与图像的对应关系,求解摄像机的三维运动。4.理解ICP问题,及利用点云的匹配关系,求解摄像机的三维运动。5.理解如何通过三角化,获得二维图像上对应点的三维结构。视觉SLAM十四讲ch7_1_哔哩哔哩_bilibili。原创 2024-02-16 10:42:24 · 1178 阅读 · 0 评论 -
视觉slam十四讲学习笔记(五)非线性优化
1.理解最小二乘法的含义和处理方式。2.理解等下降策略。3.学习Ceres库和g2o库的基本使用方法。视觉SLAM十四讲ch6_哔哩哔哩_bilibili在视觉SLAM(Simultaneous Localization and Mapping,即同时定位与地图构建)中,最大后验估计(Maximum A Posteriori Estimation,MAP)和最大似然估计(Maximum Likelihood Estimation,MLE)是两种常用的参数估计方法。原创 2024-02-15 13:07:45 · 1488 阅读 · 0 评论 -
视觉slam十四讲学习笔记(四)相机与图像
前面介绍了“机器人如何表示自身位姿”的问题,部分地解释了 SLAM 经典模型中变量的含义和运动方程部分。本文要讨论“机器人如何观测外部世界”,也就是观测方程部分。而在以相机为主的视觉SLAM中,观测主要是指相机成像的过程。视觉SLAM十四讲ch5_哔哩哔哩_bilibili一、相机模型相机将三维世界中的坐标点(单位为米)映射到二维图像平面(单位为像素)的过程能够用一个几何模型进行描述。这个模型有很多种,其中最简单的称为针孔模型。原创 2024-02-14 21:33:53 · 1366 阅读 · 0 评论 -
视觉slam十四讲学习笔记(三)李群与李代数
三维世界中刚体运动的描述:旋转矩阵、旋转向量、欧拉角、四元数等。除了表示之外,还要对它们进行估计和优化。旋转矩阵自身带有约束(正交且行列式为1)。作为优化变量时,会引入额外的约束,使优化变得困难。李代数上可以变成无约束优化。视觉SLAM十四讲ch4_哔哩哔哩_bilibili以上就是今天要讲的内容,本文重点介绍了旋转的表示,但是在SLAM 中,除了表示之 外,我们还要对它们进行估计和优化。因为在SLAM中位姿是未知的,而我们需要解决什么样的相机位姿最符合当前观测数据这样的问题。原创 2024-02-12 20:11:36 · 980 阅读 · 0 评论 -
视觉SLAM十四讲学习笔记(二)三维空间刚体
以上就是今天要讲的内容,本文仅仅简单介绍了Eigen 来表示矩阵、向量, 随后引申至旋转矩阵与变换矩阵的计算。Eigen①是一个C++ 开源线性代数库。它提供了快速的有关矩阵的线性代数运算,还包括解方程等功能。许多上层的软件库也使用Eigen进行矩阵运算,包括g2oSophus等。原创 2024-02-11 13:20:51 · 1001 阅读 · 0 评论 -
视觉SLAM十四讲学习笔记(一)初识SLAM
SLAM: Simultaneous Localization and Mapping 同时定位与地图构建(建图)。搭载特定传感器的主体,在没有环境先验信息的情况下,于运动过程中建立环地的模型。同时储计自己的运动。视觉SLAM:以相机为主要传感器的SLAM。同时从图像中估计相机的运动以及环境的情况。传感器在空间运动中将自己的运动估计出来,返给使用者;在运动过程中描述出运动环境。【高翔】视觉SLAM十四讲_哔哩哔哩_bilibili。原创 2024-02-04 15:06:14 · 1206 阅读 · 0 评论