![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
无人机-SLAM-理论
诗筱涵
邮箱:1372740910@qq.com 微信公众号:诗筱涵 技术交流群:960668018
展开
-
现在回看《视觉SLAM十四讲》这本书,发现其实很多问题这里 已经讲清楚了,这本书真的值得细啃啃烂。
现在回看《视觉SLAM十四讲》这本书,发现其实很多问题这里 已经讲清楚了,这本书真的值得细肯啃烂。真的可以理解到SLAM的本质,或者一些问题的本质。特别是结合上次高翔在ROS暑期的直播。卡尔曼滤波也好,非线性优化也好。。...原创 2021-08-28 14:39:01 · 382 阅读 · 0 评论 -
SLAM本质剖析-Ceres
转载自:https://mp.weixin.qq.com/s/fKlG9LWlPI52wStUAv18iwSLAM本质剖析-Ceres原创 lovely_yoshino 古月居 今天在了解SLAM的原理、流程后,个人经常实时困惑该如何去从零开始去设计编写一套能够符合我们需求的SLAM框架。作者认为Ceres、Eigen、Sophus、G2O这几个函数库无法避免,尤其是Ceres函数库在激光SLAM和V-SLAM的优化中均有着大量的应用。所以作者从Ceres作为开端,来对手写SLAM开个头,来转载 2021-08-27 18:06:39 · 757 阅读 · 0 评论 -
SLAM本质剖析-G2O(转载,感觉写得不错)
这块还是写得不错的转载自:https://mp.weixin.qq.com/s/NeveBIh5bb37CUyVVNocLwSLAM本质剖析-G2O原创 lovely_yoshino 古月居 今天0前言在了解SLAM的原理、流程后,个人经常实时困惑该如何去从零开始去设计编写一套能够符合我们需求的SLAM框架。作者认为Ceres、Eigen、Sophus、G2O这几个函数库无法避免,尤其是Ceres函数库在激光SLAM和V-SLAM的优化中均有着大量的应用。作者分.转载 2021-08-26 18:31:38 · 550 阅读 · 0 评论 -
图优化或者位姿图优化和因子图是两个东西,区分清楚
图优化或者位姿图优化和因子图是两个东西,区分清楚https://blog.csdn.net/sinat_16643223/article/details/119850498图优化 位姿图,是一个东西,和因子图不是一个东西图优化里面每个点都是位姿点嘛,所以也叫位姿图嘛,所以我们SLAM进行的图优化就是位姿图的优化下面拍自《视觉SLAM十四讲》P270...原创 2021-08-22 21:42:41 · 4636 阅读 · 0 评论 -
VIO主流框架&VINS推导解析 第二次看的笔记
现在再看这个视频和我五个多月前看这个视频的感受就不一样了https://www.bilibili.com/video/BV1gb411a7bh?from=search&seid=15057309362272648788这里说SLAM其实就是一个BA问题使得重投影误差最小。BA更多像一个地基一样的东西误差相对于优化变量的雅可比...原创 2021-08-22 11:46:33 · 2060 阅读 · 0 评论 -
关于图优化
最基本的图优化就是用图模型来表达一个非线性最小二乘的优化问题 《视觉SLAM十四讲》P142G2O的全称是 Gerneral Graphic Optimization 名词就是说通用的图优化库 P141可以用G2O进行曲线拟合。位姿图的优化本质上是个最小二乘问题,优化变量为各个顶点的位姿。 P272...原创 2021-08-22 01:30:50 · 505 阅读 · 0 评论 -
VINS-FUSION 前端后端代码全详解(转载)
转载自古月居:https://mp.weixin.qq.com/s/hoPDnZhT7ltkKib6mqSTcAVINS-FUSION 前端后端代码全详解原创 lovely_yoshino 古月居 今天我首先参照网络上的文档整理了全部的代码,并对于C++和OpenCV的一些操作也进行了详细的注释,并写了这篇的博客进行全部的讲解,其中1-4章节是前端VIO信息,5章节是后端DBOW词袋回环,6-7章节是GPS与VIO融合,8章节是参考文献。1. 程序入口rosNodeTes转载 2021-08-19 18:09:39 · 3821 阅读 · 0 评论 -
多传感器融合,组合导航,SLAM很多人是放一起说的或者要求的,因为它们本质技术是通的
多传感器融合,组合导航,SLAM很多人是放一起说的或者要求的,因为它们本质技术是通的以前做组合导航的人,现在做SLAM应该也能很快上手。原创 2021-08-18 02:18:55 · 560 阅读 · 0 评论 -
马尔科夫性 和 高斯 应该是卡尔曼滤波两个基本假设,基于这两个基本假设才可以推出卡尔曼滤波
马尔科夫性 和 高斯 应该是卡尔曼滤波两个基本假设,基于这两个基本假设才可以推出卡尔曼滤波https://blog.csdn.net/sinat_16643223/article/details/119631878《概率机器人的目录》原创 2021-08-16 09:06:31 · 501 阅读 · 0 评论 -
很多问题最后都可以建模成一个最优化问题,可以看看 数值最优化 这本书
很多问题最后都可以建模成一个最优化问题,可以看看 数值最优化 这本书是高翔告诉了我有数值最优化这本书。原创 2021-08-16 01:08:40 · 146 阅读 · 0 评论 -
高翔讲课2021/8/12
研究生做VSLAM多一些,现在做激光多一些上午PPT有一百多页KITTI也是自动驾驶里面常用的数据集ORBSLAM 学界业界受欢迎的有些扫地机器人就是直接用ORBSLAM做的从代码质量到开放程度,ORB是个不错的选择、可能高翔是慕尼黑的?VR也可以用SLAM 这是一个tego的案例SLAM主要两个事,一个CV,一个状态估计状态估计这本书难了一些简单的可...原创 2021-08-12 11:23:32 · 427 阅读 · 0 评论 -
**这里也说到两大类融合框架,一类是卡尔曼滤波,一类是图优化。
这里也说到两大类融合框架,一类是卡尔曼滤波,一类是图优化。https://www.bilibili.com/video/BV1Y4411g7FJ?from=search&seid=7879757204467060170原创 2021-07-18 09:49:29 · 1552 阅读 · 0 评论 -
在弄过光流,相机标定,PNP(aruco二维码定位),图优化(多传感器融合,GPS与T265融合)之后再来看《视觉SLAM十四讲》这本书就比较熟悉了,也轻松许多。
在弄过光流,相机标定,PNP(aruco二维码定位),图优化(多传感器融合,GPS与T265融合)之后再来看《视觉SLAM十四讲》这本书就比较熟悉了,也轻松许多。。...原创 2021-08-10 14:52:10 · 749 阅读 · 0 评论 -
现在知道这个图什么意思了,其实非常现实,就是比如你跑vins的时候,显示的三维中的特征点和相机轨迹上的点!理解了这个图再去看图优化就好些了。
现在知道这个图什么意思了,其实非常现实,就是比如你跑vins的时候,显示的三维中的特征点和相机轨迹上的点!!!!!圆形就是特征点的三维坐标,三角形就是相机轨迹点的三维坐标!!!!!!这些点之间的连线就可以看做两个坐标点之间的相对关系,就像两个向量之间的旋转矩阵一样。把虚线叫作观测模型,本质就是这个,没什么高大上的,实现运动模型。两个点之间的关系,无非用旋转矩阵就可以表示了嘛。理解了这个图再去看图优化就好些了。...原创 2021-08-10 12:08:05 · 191 阅读 · 0 评论 -
ceres g2o gstam确实是经常一起出现啊
下面拍自高翔的《视觉SLAM十四讲》原创 2021-08-10 11:50:02 · 222 阅读 · 0 评论 -
G2o,GTSAM,Ceres,Tensorflow优化器的方法比较(转载)
转载自:https://blog.csdn.net/ziliwangmoe/article/details/86561157转载 2021-08-09 22:15:58 · 438 阅读 · 0 评论 -
深入理解图优化与g2o:图优化篇
感觉写得不错转载自:https://www.cnblogs.com/gaoxiang12/p/5244828.html转载 2021-08-09 17:10:41 · 98 阅读 · 0 评论 -
从零开始一起学习SLAM | 理解图优化,一步步带你看懂g2o代码(现在主流是图优化而不是滤波了)
这篇让我很好理解了图优化,而且知道现在主流方法是图优化不是滤波了。转载自:https://www.cnblogs.com/CV-life/p/10286037.html从零开始一起学习SLAM | 理解图优化,一步步带你看懂g2o代码 2019-01-18 09:42 计算机视觉life 阅读(10878) 评论(0) 编辑 收藏 举报首发于公众号:计算机视觉life 旗下知识星球「从零开始学习SLAM」这可能是最清晰讲解g2o代码框架的文章理解图优化,一步步带你...转载 2021-08-09 15:16:43 · 1221 阅读 · 0 评论 -
MSCKF理论推导与代码解析
转载自:https://mp.weixin.qq.com/s/MECuRKUw2F5LtelqLK-nowMSCKF理论推导与代码解析原创 魏宏宇 3D视觉工坊 2020-07-31点击上方“3D视觉工坊”,选择“星标”干货第一时间送达在SLAM后端中,主要有两种主流方法用于优化:基于滤波的方法和基于非线性的方法。基于滤波的方法主要有MSCKF、S-MSCKF、ROVIO等,基于非线性的方法主要有OKVIS、VINS-MONO、VINS-Fusion等。在这一节,主要分析S-MS转载 2021-07-23 00:24:38 · 1491 阅读 · 1 评论 -
B站也有个专门讲双目MSCKF的
https://www.bilibili.com/video/BV1NE411u7p5?from=search&seid=7879757204467060170原创 2021-07-18 12:39:48 · 311 阅读 · 0 评论 -
*我现在发现优化在深度学习,路径规划,SLAM(后端优化,图优化),最优控制,最优估计,最优跟踪,最优调节里面都有用到!!!有必要系统总结一下了。都可以归为最优化问题?
我现在发现优化在深度学习,路径规划,SLAM(后端优化,图优化)里面都有用到!!!有必要系统总结一下了。。原创 2021-04-04 21:36:40 · 1167 阅读 · 1 评论 -
图优化,因子图就是贝叶斯图。
图优化,因子图就是贝叶斯图。原创 2021-04-04 21:28:27 · 1621 阅读 · 0 评论 -
SLAM叫定位与建图的原因,现在知道定位(VIO)是前端,建图是后端优化,是两个独立的线程。
SLAM叫定位与建图的原因,现在知道定位是前端,建图是后端优化,是两个独立的线程。原创 2021-04-04 20:53:31 · 429 阅读 · 0 评论 -
《多传感器最优估计理论及其应用》
《多传感器最优估计理论及其应用》原创 2021-04-03 12:07:38 · 340 阅读 · 0 评论 -
【知乎】视觉SLAM怎么与GPS融合呢?是紧耦合吗?有基础入门的论文推荐吗?
https://www.zhihu.com/question/395687202/answer/1330843236转载 2021-04-03 00:57:27 · 603 阅读 · 0 评论 -
【视觉里程计】对极几何,三角测量,PnP,ICP原理
转载自:https://blog.csdn.net/WaitingfoDreams/article/details/101101950【视觉里程计】对极几何,三角测量,PnP,ICP原理舟84 2019-09-22 15:23:42 1438 收藏 12 分类专栏: SLAM 文章标签: 视觉SLAM 视觉里程计 ICP PnP版权老早就想写些东西,但是介于个人懒惰,一直没开这个头,前几天才发现自己以前学的东西很容易忘记,于是决定还是将学习做个总结,以便后续回头查看,温故而知新嘛。此文转载 2021-04-02 19:18:28 · 1485 阅读 · 1 评论 -
视觉SLAM中的对极约束、三角测量、PnP、ICP问题
转载自:https://blog.csdn.net/lixujie666/article/details/82262513?utm_source=app视觉SLAM中的对极约束、三角测量、PnP、ICP问题分类专栏: slam版权这篇博客是在学习高翔《视觉SLAM十四讲》过程中对计算机视觉的多视图几何相关知识点做的总结,个人觉得这部分内容比较难,有理解不对的地方请指正!〇、ORB特征点对于特征点法的SLAM来说,ORB(Oriented FAST and Rotated BRIEF)转载 2021-04-02 19:01:23 · 576 阅读 · 0 评论 -
KITTI Visual Odometry 榜单(视觉SLAM排行)
https://www.zhihu.com/question/309096467/answer/574372850http://www.cvlibs.net/datasets/kitti/eval_odometry.php原创 2021-03-29 09:43:43 · 3559 阅读 · 0 评论 -
菜鸟专学:从头到尾创建自己的SLAM系统(转载,我觉这种自己写一个SLAM很好)
转载自:https://blog.csdn.net/qq_29797957/article/details/98661883?utm_medium=distribute.pc_relevant.none-task-blog-baidujs_title-0&spm=1001.2101.3001.4242菜鸟专学:从头到尾创建自己的SLAM系统爱发呆de白菜头 2019-08-06 21:14:40 1509 收藏 6 分类专栏: 创建和维护自己的SLAM系统 文章标签:转载 2021-03-27 00:16:56 · 590 阅读 · 0 评论 -
我感觉我自己基于pnp原理可以自己写个简单的SLAM了,而且还是VIO的。是的,可以自己推出。
我感觉我自己基于pnp原理可以自己写个简单的SLAM了,而且还是VIO的。是的,可以自己推出。我们就把二维码泛化成普通的东西,只是我们不知道边长,如果我们知道了,那就可以用pnp的原理倒推出相机的位姿。这个边长比如我们是不是可以通过双目深度图得到?这样不就很多问题解决了!!!!!自己这样就可以推导出一个SLAM了!!!。...原创 2021-03-27 00:04:38 · 161 阅读 · 0 评论 -
刚刚发现《OpenCV4快速入门》里面有讲到pnp
刚刚发现《OpenCV4快速入门》里面有讲到pnp原创 2021-03-25 21:48:57 · 300 阅读 · 0 评论 -
ORB特征,ORBSLAM的ORB现在知道其实是一个图像检测里面的普通词汇。
下图拍自《OpenCV4快速入门》下图拍自《视觉SLAM十四讲》原创 2021-03-25 20:16:40 · 118 阅读 · 0 评论 -
只要获得 特征点的世界坐标(三维坐标)、2D坐标(像素坐标)、相机内参矩阵、相机畸变参数矩阵 以上四个参数即可以解得相机与标志物之间的外参(R旋转矩阵、T位置矩阵)
只要获得 特征点的世界坐标(三维坐标)、2D坐标(像素坐标)、相机内参矩阵、相机畸变参数矩阵 以上四个参数即可以解得相机与标志物之间的外参(R、T)https://blog.csdn.net/sinat_16643223/article/details/115197899https://docs.opencv.org/master/d9/d6a/group__aruco.html...原创 2021-03-25 17:47:40 · 1373 阅读 · 0 评论 -
可以确认ARUCO检测进行位置估计是用的PNP
下面摘自博文:https://blog.csdn.net/sinat_16643223/article/details/115065346ARUCO的那个位置数据好像也是靠PNP得到的,PNP这个词我忽然想起来好像就是SLAM里面一个普通的词啊。pnp就是得到位置和旋转矩阵, cv::aruco::estimatePoseSingleMarkers也是得到位置和旋转矩阵。http://www.360doc.com/content/18/0423/17/54525756_74812648.原创 2021-03-25 17:37:55 · 643 阅读 · 0 评论 -
我眼中的视觉SLAM(转载)SLAM的本质就是一个状态估计问题,整个过程可以由一个运动方程和一个观测方程来描述
https://blog.csdn.net/lixujie666/article/details/82378421?spm=1001.2014.3001.5501转载 2021-03-25 16:43:34 · 382 阅读 · 0 评论 -
关于PNP个人的一些搜集
PNP时候得到相机的位置和旋转矩阵http://www.360doc.com/content/18/0423/17/54525756_748126485.shtmlhttps://blog.csdn.net/weixin_43828675/article/details/113866134?utm_medium=distribute.pc_relevant.none-task-blog-baidujs_title-1&spm=1001.2101.3001.42...原创 2021-03-25 16:23:23 · 206 阅读 · 0 评论 -
现在再看《视觉SLAM十四讲》很多概念都熟悉了
现在再看《视觉SLAM十四讲》很多概念都熟悉了像Eigen 我新买的过外的ROS书有专门讲这个。旋转向量https://blog.csdn.net/sinat_16643223/article/details/113889533PNPhttps://blog.csdn.net/sinat_16643223/article/details/115065346...原创 2021-03-25 12:59:09 · 117 阅读 · 0 评论 -
位姿(pose)和变换矩阵(transformation matrix)(说清楚了位姿和坐标系变换都是用位置+旋转(欧拉角/四元数)表示的!!!)
转载自:https://www.jianshu.com/p/bedf90699551位姿(pose)和变换矩阵(transformation matrix)转载 2021-03-10 23:33:06 · 8315 阅读 · 0 评论 -
一图搞懂梯度、散度、旋度、Jacobian、Hessian、Laplacian之间的关系
摘自:https://mp.weixin.qq.com/s/40xqOG-r44M7rNuzUx-DsA一图搞懂梯度、散度、旋度、Jacobian、Hessian、Laplacian之间的关系机器学习研究组 今天来自 | 知乎 作者 |王赟 Maigo链接 | https://zhuanlan.zhihu.com/p/35323714编辑 | 深度学习这件小事公众号本文仅作学术交流,如有侵权,请联系后台删除一、入门图中的细实线箭头表示了四种一阶微分运算...转载 2020-07-02 20:19:02 · 2098 阅读 · 0 评论 -
SLAM中的因子图
最开始是看这个B站视频说到用因子图可以把整个SLAM问题表示得非常清楚。https://www.bilibili.com/video/BV1gb411a7bh?from=search&seid=15057309362272648788转载自:https://blog.csdn.net/weixin_37709708/article/details/101060746SLAM中的因子图chenying66 2019-09-20 15:12:10 1699 收藏 10 分类专.转载 2021-03-06 22:07:57 · 1442 阅读 · 0 评论