![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
slam相关算法
枫叶南国
芯片验证行业
展开
-
K近邻算法-KNN
转载:http://www.cnblogs.com/zjiaxing/p/5616664.html何谓K近邻算法,即K-Nearest Neighbor algorithm,简称KNN算法,单从名字来猜想,可以简单粗暴的认为是:K个最近的邻居,当K=1时,算法便成了最近邻算法,即寻找最近的那个邻居。为何要找邻居?打个比方来说,假设你来到一个陌生的村庄,现在你要找到与你有着相似特征的人群转载 2017-04-13 16:17:47 · 394 阅读 · 0 评论 -
视觉里程计问题的公式推导
视觉里程计问题的公式推导 假设在时间k,通过相机移动,追踪环境图像。如果是单目相机,k时间上拍摄的一组图像表示为I0:n={I0,…,In}。如果是立体相机,每个时刻有左右两幅图像,记为Il, 0:n={Il,0,…,Il,n}和Ir, 0:n={Ir,0,…,Ir,n}。图1表示了这个具体问题。 相邻的相机位置的相对位姿Tk,K-1(或相机系统位置),通过视觉特征进行转载 2017-04-21 17:19:50 · 9043 阅读 · 0 评论 -
ORB 一种特征匹配替代方法:对比SIFT或SURF
ORB: an efficient alternative to SIFT or SURFTaylor Guo, 2016年3月11日星期五 20:45写在前面的话:继”ORB-SLAM: Tracking and Mapping Recognizable Features”,”Bags of Binary Words for Fast Place Recognition in Ima转载 2017-04-21 17:02:01 · 20401 阅读 · 0 评论 -
ORB-SLAM:精确多功能单目SLAM系统
ORB-SLAM: a Versatile and Accurate Monocular SLAM SystemTaylor Guo, 2016年3月18日-9:00原文发表于:IEEE Transactions on Robotics (Impact Factor: 2.43). 10/2015摘要:本文主要讲了ORB-SLAM,一个基于特征识别的单目slam系统,可以实时运行,转载 2017-04-21 16:58:31 · 12757 阅读 · 0 评论 -
g2o:一种图优化的C++框架
g2o: A general framework for graph optimization原文发表于IEEE InternationalConference on Robotics and Automation (ICRA), Shanghai, China,May 2011http://www.cnblogs.com/gaoxiang12/p/5244828.html 深入转载 2017-04-21 16:57:35 · 2918 阅读 · 0 评论 -
ORB-SLAM2源代码分析
ORB-SLAM2源代码分析Taylor Guo, 2016年4月14日-18:33 --2016年5月18日-22:05摘要:尽管可以用于立体视觉,ORB-SLAM2主要是单目SLAM系统,也就是只有一个相机(摄像头)的系统,主要用于特征识别,自主导航。ORB-SLAM2的硬件传感器也就是这一种,当然也可以加入其它传感器,比如IMU,激光雷达,超声波等。它应用于机器人,无人驾驶,无人转载 2017-04-21 16:56:32 · 7786 阅读 · 0 评论 -
基于关键帧视觉惯性传感器非线性优化SLAM
Keyframe-Based Visual-Inertial SLAM Using Nonlinear OptimizationTaylor Guo, 2016年4月13日-12:01 – 2016年8月1日-20:30 @ EJU Shanghai原文发表于Conference :《 Robotics: Science and Systems (RSS)》, 2013-06-24转载 2017-04-21 16:55:43 · 7695 阅读 · 0 评论 -
非滤波单目视觉SLAM系统研究
A survey on non-filter-based monocular Visual SLAM systems摘要滤波(卡尔曼滤波,粒子滤波)视觉SLAM更通用,非滤波(运动结构估计)方案更有效率。本文讲解各种视觉SLAM构建方法及其组成部分。 一 简介基于相机的定位有两种方法。一种是基于图像的定位,需要先处理场景生成3D结构,场景图像和对应的相机视角。定位问题就可以变转载 2017-04-21 16:53:53 · 1078 阅读 · 0 评论 -
Kmeans++
转载:http://www.cnblogs.com/zjiaxing/p/5616679.htmlKmeans算法的缺陷• 聚类中心的个数K 需要事先给定,但在实际中这个 K 值的选定是非常难以估计的,很多时候,事先并不知道给定的数据集应该分成多少个类别才最合适• Kmeans需要人为地确定初始聚类中心,不同的初始聚类中心可能导致完全不同的聚类结果。(可以使用Kmeans+转载 2017-04-13 16:19:47 · 756 阅读 · 0 评论 -
KD-Tree
转载:http://www.cnblogs.com/zjiaxing/p/5616670.html先以一个简单直观的实例来介绍k-d树算法。假设有6个二维数据点{(2,3),(5,4),(9,6),(4,7),(8,1),(7,2)},数据点位于二维空间内(如图2中黑点所示)。k-d树算法就是要确定图2中这些分割空间的分割线(多维空间即为分割平面,一般为超平面)。下面就要通过一步步展示k-转载 2017-04-13 16:18:37 · 513 阅读 · 0 评论 -
特征点匹配——ORB算法介绍
《ORB: an efficient alternative to SIFT or SURF》是Rublee等人在2011年的ICCV上发表的一篇有关于特征点提取和匹配的论文,这篇论文介绍的方法跳出了SIFT和SURF算法的专利框架,同时以极快的运行速度赢得了众多青睐。下面我简单介绍一下ORB算法的流程。ORB算法的主要贡献如下: (1)为FAST算法提取的特征点加上了一个特征点方向;转载 2017-04-21 20:03:37 · 1202 阅读 · 0 评论