《视觉SLAM十四讲精品总结》6.2：VO—— 2D-2D三角化求（XYZ）

最新推荐文章于 2024-08-08 20:14:43 发布

try_again_later

最新推荐文章于 2024-08-08 20:14:43 发布

阅读量2.4k

点赞数 3

分类专栏：视觉、激光SLAM

本文链接：https://blog.csdn.net/try_again_later/article/details/81704154

版权

本文介绍了视觉SLAM中的2D-2D三角化方法，用于求解特征点的空间位置。首先，通过极几何约束估计相机运动得到R和t。然后，利用三角测量理论，通过最小二乘法求解特征点的XYZ坐标。在代码实现部分，详细讲解了主框架和triangulation函数的使用。总结中指出，纯旋转场景不适用三角测量，而平移较大的情况能提高三角化测量的准确性。

摘要由CSDN通过智能技术生成

一、原理

上一步通过对极几何约束估计了相机运动得到R、t；

接下来，需要用相机的运动估计特征点的空间位置。

三角测量：通过在两处观察同一个点的夹角，从而确定该点的距离。

通过最小二乘法求解。

s1*x1=s2*R*x2+t;

已知R和t，分别求s1和s2；

s1*x1^*x1=0=s2*x1^*R*x2+x1^*t;

二、代码详解

1、主框架

int main(int argc, char** argv)
{
	Mat img_1 = imread("1.png");
	Mat img_2 = imread("2.png");

	vector<KeyPoint> keypoints_1, keypoints_2;
	vector<DMatch> matches;
	//1. 求特征点(keypoints)和描述子之间匹配(matches)
	find_feature_matches(img_1, img_2, keypoints_1, keypoints_2, matches);
	cout << "一共找到了" << matches.size() << "组匹配点" << endl;

	//2. 估计两张图像间运动R t
	Mat R, t;
	pose_estimation_2d2d(k