SLAM
文章平均质量分 61
Zuo丶
热爱生活,享受BUG
展开
-
SLAM方法汇总
SLAM概述SLAM一般处理流程包括track和map两部分。所谓的track是用来估计相机的位姿,也叫front-end。而map部分(back-end)则是深度的构建,通过前面的跟踪模块估计得到相机的位姿,采用三角法(triangulation)计算相应特征点的深度,进行当前环境map的重建,重建出的map同时为front-end提供更好的姿态估计,并可以用于例如闭环检测.转载 2017-05-22 10:03:27 · 2948 阅读 · 0 评论 -
SLAM基础技术点之基于计算机视觉求解相机姿态变化的方法汇总
求解相机的姿态变化有许多的方法,从视觉的角度出发是很重要的一种,这里我总结了目前主流的基于CV的求解相机姿态变化的方法。基于视觉的方法,一般思路为从两个姿态的图像上选取匹配点,根据数据的不同,对应用不同的方法计算两两匹配点的R|T,也即外参,而这个R|T也就是相机两个姿态的变换关系。这里的的方法大体分为这么三类,2d到2d的匹配点、2d到3d的匹配点、3d到3d的匹配点。二维到二维的匹配 Hom原创 2017-09-01 15:26:56 · 6512 阅读 · 6 评论 -
欧拉角和旋转矩阵相互转换
欧拉角和旋转矩阵可同样表示刚体在三维空间的旋转,下面分享这两者互相转换的方法和核心代码欧拉角转旋转矩阵 欧拉角通过将刚体绕过原点的轴(i,j,k)旋转θ,分解成三步,如下图(蓝色是起始坐标系,而红色的是旋转之后的坐标系) 如果将每一个角度用旋转矩阵表示如下: 所以,容易得到,欧拉角转旋转矩阵如下: 旋转矩阵转欧拉角 将旋转矩阵表示如下: 则可以如下表示欧拉...原创 2017-10-12 21:02:23 · 31005 阅读 · 18 评论 -
Kd-Tree算法原理简析
本文讲解旨在讲解Kd-Tree(K-demension tree)的一些粗浅的原理,以及其在计算机视觉的一些应用,既是总结了自己,也是分享给大家,希望有所帮助。 Kd-Tree是从BST(Binary search tree)发展而来,是一种高维索引树形数据结构,常用于大规模高维数据密集的查找比对的使用场景中,主要是最近邻查找(Nearest Neighbor)以及近似最近邻查找(App...原创 2017-08-22 23:31:15 · 27340 阅读 · 10 评论 -
Kalman滤波——初阶入门
概要 kalman滤波在机器人控制、数字图像等领域应用非常广泛的一种方法,很多人对其名字不能理解,因为kalman滤波在大多数时候表现出来都是将多个数据进行融合,为什么不叫kalman融合呢?如果你有这个疑问,那就说明你对kalman滤波理解不够,任何的数据融合都是为了将多种途径的数据中的噪声滤波,以达到尽可能接近真实值的目的,从这个角度理解,其融合只是表象,滤除了信号中的噪声才是本质。...原创 2018-05-30 23:39:06 · 11163 阅读 · 9 评论