Undergoer的博客

开发环境Python 3.7 + Anaconda 5.3.1CUDA 10.0Pycharm Community本次我们采用的Python版本是3.7，并且为了大家的方便以及目前主流的选择，我们会选择安装Anaconda这个Python的包管理工具，可以自动下载管理第三方软件库的工具。然后，我们会进行在装有NVIDIA显卡的电脑上安装NVIDIA的显卡驱动以及统一的并行计算语言库CUDA10.0，CUDA是NVIDIA推出来的，可以利用显卡进行通用计算的开发语言API，大家可以使用这个API

《视觉slam十四讲》首先再看了一遍前面的基础部分以及第七章特征点法；然后因为看代码优化部分看不太懂，继续看了看，学习一下第六讲非线性优化，还没有完全理解，之后继续学习。标定方法这周研究了一下鱼目自己的标定方法，他对单个相机进行标定是使用自己的标定工具，我将代码下载下来复现了一下。运行之后，工具箱界面是这个样子的，如下图。先点击Read names读取图片，然后点击Extract grid corners按钮，输入一些参数后，提取角点。最后点击Calibration进行标定。这些参数跟论文中参

文章目录一、linux系统安装问题1. source.list改为国内源2. 安装搜狗拼音输入法3. 进行科学上网4.安装Chrome浏览器5. 安装vitrualBox6. Ubuntu下，用virtualBox安装windows10虚拟机7. 安装向日葵远程软件二、Linux下开发环境的安装经验总结一、linux系统安装问题以下总结中所进行的操作都是在Ubuntu 18.04版本下进行的。1. source.list改为国内源sudo cp /etc/apt/sources.list /etc

文章目录一、windows下相关问题windows下, cmake安装windows下，opencv安装windows下，安装MinGW及C++的环境配置windows下，CLion如何配置opencv二、linux下相关问题三、与系统无关的问题matlab标定相机参数一、windows下相关问题windows下, cmake安装https://blog.csdn.net/u011231598/article/details/80338941windows下，opencv安装这一篇是简单的解压

这篇博客主要来记录工作中积累的知识，代码，以方便后面复用，提升工作效率。一、将视频转化为一帧帧图片，同时将图片分割为五份#include <iostream>#include <opencv2/opencv.hpp>#include <direct.h>#include <io.h>using namespace cv;using namespace std;// 将图片(960*5) * 1280 切分为 5个 960*1280的图片 分

AC/DCC: Accurate Calibration of Dynamic Camera Clusters for Visual SLAM一、介绍以前的DCC标定方法使用一个基准目标，在这个基准目标上，共同点需要在每个测量集的相机中被观察到，这有三个方面的限制：第一，为了确定关节的角度，运行一个花费时间的程序来确定关节角度，从这个角度，目标可以再动态相机中被观察到，并且随着机器自由度的数量的升高，复杂度也在提高。第二，虽然在一定角度内进行了校准，但是在这个角度之外，并不能保证校准参数的有效性。

一、 本周工作总结1、 手术机器人● 看了那篇配准的论文Improving rigid 3D calibration for robotic surgery。发现这篇论文的配准讲的是手术机器人的手-眼配准，就是机械臂和它的相机之间的这样一个“手眼”校准，和我们需要的CT图像与相机之间的校准不太一样。● 然后细看另一篇论文Camera-Robot Calibration for the Da Vinci Robotic Surgery System，讲的也是内窥镜与患者侧操纵臂的校准。方法大概是这样的：

本周继续读MultiCol-SLAM代码。MultiCol-SLAM是基于ORB-SLAM进行开发的，与ORB-SLAM的两大不同之处是使用了多关键帧（每一个关键帧是有三幅图像）和鱼眼相机。首先针对它的相机模型，看了另外两篇引用的论文，基本理解了它的相机模型。另外，看了《视觉slam十四讲》的第5讲、第7讲、第9讲，对相机模型、相机位姿估计以及特征点法的视觉里程计有了基本了解。尤其是特征点法的视觉里程计这一讲，让我懂了代码中的关键帧相关的部分。我用思维导图画出了代码的结构，主要框架如下。加载相机的内

mult_col_slam_lafida.cppLoadImagesAndTimestamps()main(int argc, char **argv){// 路径作为参数传入string path2voc = string(argv[1]);string path2settings = string(argv[2]);string path2calibrations = string(argv[3]);string path2imgs = string(argv[4]);1. Track

摘要一、《视觉slam十四讲》——第三讲 三维刚体运动3.2 实践Eigen如果你的ubuntu上还没有安装Eigen。请输入以下命令来安装它：sudo apt-get install libeigen3-devEigen头文件的默认位置在“/usr/include/eigen3/”中，如果不确定，可以输入以下命令来查找它的位置。sudo updatedblocate eigen3相比于其他库，Eigen特殊之处在于，它是一个纯用头文件搭建起来的库（这非常神奇！）。这意味着你只能找到它的

摘要读鱼目论文的代码，看能读懂多少环境配好，跑起来了。最后产生了个txt文档，还没明白怎么评估。学习吴恩达的深度学习课程第三周学习完毕读《视觉slam十四讲》第三讲、第四讲读MICCAI的那篇手术机器人论文简单读了下，小论文...