关注
分享
try_again_later
在读硕士，高精度建图定位方向。
知乎专栏：《视觉、激光SLAM源码详细解析》
展开
-
SLAM、自动驾驶算法、3D视觉岗位秋招知识点（附有解答）
多视图几何求解相似、仿射、射影变换区别基本矩阵F、本质矩阵E、单应矩阵H处理关键帧、李群李代数、特征点法与直接法手推BARANSAC在图像匹配上应用PnP（3D-2D）、ICP（3D-3D）直接法与光流法常见SLAMSLAM目录SVO中深度滤波器原理VINS-mono论文解读数学知识凸集、凸函数、凸优化特征向量、特征值分解SVD矩阵分析：...原创 2019-09-12 09:38:10 · 1103 阅读 · 1 评论
-
《视觉SLAM十四讲精品总结》9:直接法和光流法
内容：二者关系光流法直接法一、二者关系引出原因：关键点和描述子计算非常耗时，可以保留特征点，使用光流法跟踪特征点运动。关系：光流法描述像素在图像中运动，直接法利用相机运动模型计算特征点在下一时刻图像中位置。使用条件：直接法利用图像的像素灰度信息计算相机运动，需要场景中存在明暗变化。二、LK光流法光流法常用来跟踪角点的运动。之后用跟踪的特征点，用ICP、PnP或对...原创 2018-08-25 17:23:20 · 5085 阅读 · 4 评论 -
基本矩阵F、本质矩阵E、单应矩阵H的关系
前言：立体视觉几何中有以下问题：1.已知一幅图像中一点，如何寻找另一幅图像中这个点的对应点（可用光流法、特征点匹配法）2.已知两幅图像中两点是对应关系，如何求解两相机的相对位置和姿态【R|t】3.已知多幅图像中同一3D点的对应点，如何求解该3D点的3D坐标对极几何/基础矩阵 的出现可以解决问题2。之前有总结过：https://blog.csdn.net/try_again_...原创 2019-03-19 10:51:14 · 14987 阅读 · 1 评论 -
边缘检测算子Soble、Laplace、Canny
边缘指的是图像中像素的值有突变的地方。边缘检测一般分为三步，分别是滤波、增强、检测。基本原理都是用高斯滤波器进行去噪，之后在用卷积内核寻找像素梯度。常用有三种算法：canny算子，sobel算子，laplacian算子。sobel算子：一阶导数算子，引入局部平均运算，对噪声具有平滑作用，抗噪声能力强，计算量较大，但定位精度不高，得到的边缘比较粗，适用于精度要求不高的场合。laplaci...原创 2019-03-13 17:15:10 · 4045 阅读 · 0 评论 -
特征向量、特征值分解、奇异值分解SVD
写在前面：现有的印象是：特征向量代表向量最坚守的部分，方向不变，只是会伸缩。而特征分解是沿着最重要的特征向量方向上的分解，有SVD分解、PCA主城成分分析等。但无法深入讲下去了。特征值和特征向量的几何意义矩阵乘法其实是对应着一个线性变换，是把任意一个向量变成另一个方向或者长度的新向量。在这个变换中，原向量主要发生旋转、伸缩的变化。如果某个向量x在矩阵A作用下只发生了伸缩变化，其位置仍停...原创 2019-03-13 15:49:11 · 2087 阅读 · 1 评论 -
相似、仿射、射影变换区别
刚性变换：只有物体的位置(平移变换)和朝向(旋转变换)发生改变，而形状不变，得到的变换称为刚性变换。下面分别从等距变换，相似变换，仿射变换，射影变换几个部分分别介绍：1、等距变换（欧式变换）它相当于是平移变换（t）和旋转变换（R）的复合，等距变换前后长度，面积，线线之间的角度都不变。自由度 6 (3+3)2、相似变换等距变换和均匀缩放（S）的一个复合，类似相似三...原创 2018-07-30 11:31:03 · 20406 阅读 · 1 评论 -
《OpenCV3学习笔记》3.3 ：SIFT、SURF、ORB特征点检测与匹配
一、特征点检测算法SIFTScale Invariant Feature Transform，尺度不变特征变换。SIFT特征对旋转、尺度缩放、亮度变化等保持不变性，是一种非常稳定的局部特征。SIFT算法主要有以下几个步骤：高斯差分金字塔的构建 使用组和层的结构构建了一个具有线性关系的金字塔（尺度空间），这样可以在连续的高斯核尺度上查找图像的特征点；另外，它使用一阶的高斯差分来近似...原创 2018-08-13 16:32:10 · 10899 阅读 · 5 评论 -
理解SIFT
最近看ORB-SLAM2源代码，构造Frame类部分出现了很多图像金字塔的内容，加上想起师兄和我讲的：图像算法岗的SIFT、SURF、FAST、ORB特征子肯定要会的呀，所以花了一晚上对SIFT特征子深入探究了下，期间感谢kyu_saku、Brook@CV以及zddhub、Rachel-Zhang的博客，根据上述博客对SITF由浅入深的进行理解。天涯路清晨对SIFT的介绍更清晰。目录：...原创 2018-12-12 16:20:46 · 537 阅读 · 0 评论 -
理解SURF
先说结论Sift算法的优点是特征稳定，对旋转、尺度变换、亮度保持不变性，对视角变换、噪声也有一定程度的稳定性；缺点是：计算量大，对边缘光滑目标的特征点提取能力较弱。Surf（Speeded Up Robust Features）：是SIFT特征的一种近似计算，在相似性能甚至更好性能的同时提高了算法的速度。减少计算量体现在：1、尺度空间：使用盒式滤波器结合积分图像，而非使用DOG...原创 2018-12-15 11:41:18 · 804 阅读 · 0 评论 -
矩阵分析：求解Ax=b
b=0时，为齐次线性方程组。R（A）=n时，即A的行列式D不为0，有唯一零解；R(A)<n时，即D=0，无穷多解。b不为0，非齐次线性方程组，R(A）=R(B)增广矩阵时，方程有解，否则方程无解。R(A)=R(B)=n，有唯一零解；R(A)=R(B)<n，无穷解。求解Ax=b：可解性和解的结构对于求解Ax=b，首先我们要判断： ① 是否有解？ ② 若有解，解是否唯一...原创 2019-03-13 11:21:50 · 14545 阅读 · 0 评论 -
卡尔曼滤波推导+贝叶斯滤波推导+粒子滤波推导
Kalman Filter一、前言1、两个传感器测量同一个信号，为了减小误差我们可以采用取平均的方式，进一步的我们采用加权平均（由方差大小分配），加权平均是一种静态分配方式。方差是随外界环境而变的，加权值也应该随之改变，这就是卡尔曼滤波出现的原因，它是一种动态更新加权值，不断迭代的算法。卡尔曼是对模型预测值以及传感器观测值加权平均，模型只有一个步长，x(k-1)得到x(k)，其中x(k-1...原创 2017-10-21 15:27:04 · 2083 阅读 · 0 评论 -
处理关键帧、李群李代数、特征点法与直接法
SLAM已完成*1、实现RANSAC随机采样一致性的框架,可以作为初值，然后再非线性优化求最优，优缺点 22、如何对匹配好的点做进一步的处理，更好保证匹配效果（汉明距离小于最小距离两倍、RANSAC）*2、描述一下SIFT或者SURF特征检测，匹配（博客）*3、简述一下Bundle Adjustment的过程（笔记以及知乎）*4、如何求解Ax=b（博客）*5、凸优化（博客）*7、I...原创 2019-03-20 09:53:17 · 722 阅读 · 0 评论 -
手推BA
介绍BABA本质是一个优化模型，目的是：通过最小化重投影误差/光度误差，来优化相机参数【R|t】以及路标世界点。BA是一个图优化模型，一般选择LM算法并在此基础上利用BA模型的稀疏性进行计算。BA：视觉重建中提炼出最优的3D模型和相机参数，每个特征点都会反射几束光线，当相机位姿和特征点位置做出最优调整后，这些光线收束到相机光心。根据相机的投影模型构造代价函数，利用非线性优化（GN或LM...原创 2019-03-20 09:50:40 · 1030 阅读 · 0 评论 -
SVO中的深度滤波器原理
基础：三角化估计深度在不同的位置观测同一个三维点P(x, y, z)，已知在不同位置处观察到的三维点的二维投影点p1(x1, y1), p2(x2, y2)，利用三角关系，恢复出三维点的深度信息z。由于两条直线无法相交，通过最小二乘法求解。按照对极几何中的定义，设x1, x2为两个特征点的归一化坐标，则它们满足：s1x1= s2Rx2+ t ...原创 2019-03-11 16:21:16 · 3865 阅读 · 0 评论 -
最大后验估计、最大似然估计、贝叶斯估计关系
重点参考：https://www.cnblogs.com/jiangxinyang/p/9378535.html原创 2019-03-11 15:21:40 · 375 阅读 · 0 评论 -
RANSAC在图像匹配上应用
前言：1、如何对匹配好的点做进一步的处理，更好保证匹配效果答：1、汉明距离应小于最小距离两倍（二进制的描述子，不同位数的个数为汉明距离） 2、RANSAC消除误匹配2、RANSAC与最小二乘区别：最小二乘法尽量去适应包括局外点在内的所有点。相反，RANSAC能得出一个仅仅用局内点计算出模型，并且概率还足够高。但是，RANSAC并不能保证结果一定正确，为了保证算法有足够高的合理概率...原创 2019-03-19 17:14:47 · 9962 阅读 · 4 评论 -
PnP（3D-2D）、ICP（3D-3D）
前言：之前学习总结《视觉SLAM十四讲》总结过：7：VO—— 3D-2D：PnP+BA8：VO—— 3D-3D：ICP+SVD+BA区别：1、PnP（2D-3D）即给出n个3D空间点及其投影位置时，如何求解相机的位姿R t。2、ICP（3D-3D）利用n 对特征点在不同相机坐标系下的三维坐标，估计相机之间的相对位姿，适用于RGB-D SLAM和激光SLAM（从原理上来说）。...原创 2019-03-19 15:48:26 · 4190 阅读 · 0 评论 -
最小二乘、梯度下降法、牛顿与高斯-牛顿与LM关系总结
LZ听师兄讲，SLAM的优化方法是基础知识，尤其最小二乘法是所有优化的基础。接下来将对以下知识进行总结。最小二乘法 非线性：最速下降法、牛顿法、高斯牛顿法（GN）、列文伯格-马夸尔特（LM）联系 线性：QR分解、乔姆斯基分解法求解（Cholesky）、奇异值分解（SVD）一、最小二乘法引出最小二乘问题通常可以表述为,通过搜集到的一些数据(获取得到的样本),对某一个模型进行拟合,并...原创 2019-03-04 16:30:13 · 4788 阅读 · 1 评论 -
凸集、凸函数、凸优化
凸集其几何意义表示为：如果集合C中任意2个元素连线上的点也在集合C中，则C为凸集。其示意图如下所示凸函数设x1x1和x2x2为函数f(x)定义域内的任意两个实数，且x1x1 < t <x2x2,恒有：则称f(x) 是定义域上的凸函数。判别：其中要求f一阶可微。 二阶充要条件为： 其中要求f二阶可微，表示二阶导数需大于0才是凸函数。...原创 2019-03-05 10:02:06 · 1045 阅读 · 0 评论