[学习笔记-SLAM篇]视觉SLAM十四讲ch10

最新推荐文章于 2023-06-16 19:29:04 发布
最新推荐文章于 2023-06-16 19:29:04 发布
阅读量706 收藏 4
点赞数 1
分类专栏： SLAM篇 文章标签： slam
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/warningm_dm/article/details/119609378
版权
本文深入探讨了视觉SLAM（Simultaneous Localization And Mapping）中的优化方法，包括关键帧选择、滑动窗口技术和位姿图优化。重点介绍了如何通过关键帧限制和滑动窗口来控制BA（Bundle Adjustment）的规模，以及位姿图优化中仅优化位姿的策略，以解决静态场景下的退化问题。此外，还讨论了在实际应用中如何实施这些技术。
摘要由CSDN通过智能技术生成

学学停停，发现学是学不完的，但是好歹还想学。
没有视频资料了（高博的），自学成才（不是）。

视觉SLAM十四讲

第10讲

10.1 理论部分

这一部分算是对第9讲的补充吧。

1）BA基本问题

  • 之前说过，BA是一种批量处理的非线性优化方法，因此BA的规模是一个不可避免的问题。下面是常见的几种控制规模的方法。
  • ① 从普通帧中选出关键帧，仅构造关键帧与路标点之间的BA。但关键帧数目过多规模同样会增大。
  • ② 滑动窗口法，仅保留离当前时刻最近的N个关键帧。但若相机静止不动，易造成退化问题。因此，有了取时间上靠近，空间上可展开的关键帧的改进。此外，考虑帧间结构深层关系，有了选取共视图中关键帧和路标点进行BA优化的改进。（共视图，指与现在的相机存在共同观测的关键帧构成的图）。
  • ③ 位姿图优化，舍弃对路标点的优化，只保留位姿之间的边。

2）滑动窗口法

  • 当有新的关键帧进入时，滑动窗口结构会发生改变，因此状态变量将经过新增和
最低0.47元/天 解锁文章
warningm_dm
关注
专栏目录
【学习SLAM】SLAM14讲学习笔记（十三）ch10 后端1（代码详述）
开源节流
03-17 449
这章的代码纯粹靠自己学习，对于初学者来说是很难的。 我个人有些感觉：之前的练习，都是一些小demo，相当于实验内容。而这章，给读者展现了一些工程上的东西。类似于第9讲的设计前端，这章已经算一个小型的slam后端系统了。对于普通学生来说，C++的那一套东西，只是懂得理论，主要平时做实验，写代码还是属于面向过程的。从这节的代码中，我们可以充分的学习和体会到面向对象的优势与精髓，了解到工程上的一些设计...
视觉SLAM十四讲学习笔记——ch10 后端2
路拾遗的博客
04-29 2162
文章目录10.1理论部分10.2实践部分10.2.1 利用ceres进行BA优化（多个相机和路标点）10.2.2调试遇到问题bug参考博客 10.1理论部分 推荐参考博文推导: SLAM十四讲-后端2-ch10-代码注释(位姿图优化) SLAM14讲学习笔记（七）后端（BA与图优化，Pose Graph优化的理论与公式详解、因子图优化） 10.2实践部分 10.2.1 利用ceres进行BA优化（多个相机和路标点） 代码及详细注释如下: 结果如下所示: 10.2.2 代码及详细注释如下: 结
视觉SLAM十四讲CH10代码解析及课后习题详解
生活如此美好，致敬每一个热爱“热爱”的人！
11-29 4322
在进行位姿图优化时候，如果出现g2o_viewer: command not found，说明你的g2o_viewer并没有安装上，打开你之前安装的g2o文件夹，打开bin文件夹，如果没有找到g2o_viewer，说明没有安装上（下图是已经安装好的）。 如果还没有安装g2o的，请参照我之前写的博客： Ubuntu18.04安装Ceres和g2o库_nudt一枚研究生-CSDN博客一、ceres安装：1.Ctrl+Alt+T打开终端：安装依赖：sudo apt-get install liblapack-d
视觉SLAM十四讲第十讲
weixin_40486179的博客
10-24 1019
第十讲：后端 1 本节目标 理解后端的概念。 理解以 EKF 为代表的滤波器后端工作原理。 理解非线性优化的后端，明白稀疏性是如何被利用的。 使用 g2o 和 Ceres 实际操作后端优化。 一、概述 1）状态估计的概率解释 在后端优化中，我们通常考虑一个更长时间内（或所有时间内）的状态估计问题，而且不仅使用过去的信息更新自己的状态，也会用未来的信息来更新自己，这种处理方式不妨称为“批量的”（Batch）。否则，如果当前的状态只由过去的时刻决定，甚至只由前一个时刻决定，那不妨称为**“渐进的”（Incre
SLAM14讲学习笔记（十三）ch10 后端1（代码详述）
微鉴道长的博客
05-01 2890
本章的理论内容我已经将其总结在了SLAM14讲学习笔记（六）后端（最难一章：卡尔曼滤波器推导、理解以及扩展）以及SLAM14讲学习笔记（七）后端（BA与图优化，Pose Graph优化的理论与公式详解、因子图优化）当中。 本文主要针对其中的代码进行讲解。 这章的代码纯粹靠自己学习，对于初学者来说是很难的。 我个人有些感觉：之前的练习，都是一些小demo，相当于实验内容。而这章，给读者展现了一...
[学习笔记-SLAM篇]视觉SLAM十四讲ch9
warningm_dm的博客
08-03 1143
和第6讲状态估计一样，太多数学推导了，抽象的东西没那么多，但是更令人头大了。 具体的推导还是有亲自计算的必要的，不过整体思路整理也很必要。 注： 1）学习视频：【高翔】视觉SLAM十四讲。 视觉SLAM十四讲第9讲9.1 理论部分9.2 实践部分 第9讲 9.1 理论部分 前端传输过来的地图点、相机运动这些数据都是粗糙的，虽然构建了运动方程（纯视觉SLAM没有）和观测方程，但含有误差，因此需要后端进行优化。 后端优化的方式就是进行状态估计。 1）状态估计 在视觉SLAM中，我们需要优化（待估计）的量是
[学习笔记-SLAM篇]视觉SLAM十四讲ch11
warningm_dm的博客
08-12 711
冲冲冲，胜利就在眼前（虽然这本书大概会反复学习）。 视觉SLAM十四讲第11讲11.1 理论部分11.2 实践部分 第11讲 11.1 理论部分 回环检测，虽然说和视觉里程计有些联系，但一般还是比较独立的。 1）回环检测 回环检测一般用于消除累积误差，构建全局一致的轨迹和地图，也在重定位模块中得到重要应用。 一般有2种方法：① 基于里程计的几何关系，② 基于外观的几何关系。目前常用的是基于外观的方法，主要通过两幅图像的相似性确定回环检测关系。 计算图像的相似性，一般是计算图像的相似性评分。该评分主要与准确
[学习笔记-SLAM篇]视觉SLAM十四讲ch8
warningm_dm的博客
07-30 916
第8讲和第7讲内容都是前端的原理，这一讲主要集中于直接法。 已近暂时放弃实践了，先把理论梳理完吧。 反正就，学习的时候想摸鱼，摸鱼的时候闲不住，太难了。 注： 1）学习视频：【高翔】视觉SLAM十四讲。 视觉SLAM十四讲第8讲8.1 理论部分8.2 实践部分 第8讲 8.1 理论部分 7-8讲均是视觉里程计的内容，主要区别在于前端原理不同，分别对应特征点法和直接法。 此外计算相机的运动，依据点的关系不同，采用不同方法。 2D-2D：对极几何；3D-3D：ICP；2D-3D：PnP。 1）特征点法 前
[学习笔记-SLAM篇]视觉SLAM十四讲ch7
warningm_dm的博客
07-14 1632
前面的内容基本都是基础内容，从第7讲开始变为实践应用，其实就是具体在SLAM中是如何完成各线程内容的。 按理说是实践部分，但还是坚持不实践呢。 注： 1）学习视频：【高翔】视觉SLAM十四讲。 视觉SLAM十四讲第7讲7.1 理论部分7.2 实践部分 第7讲 7.1 理论部分 7-8讲均是视觉里程计的内容，主要区别在于前端原理不同，分别对应特征点法和直接法。 1） 前面我们得到了运动方程（由SE(3)SE(3)SE(3)描述【讲3】，李代数优化【讲4】）和观测方程（由针孔模型给定【讲5】），其中涉及到
SLAM14讲-ch10/ceres_customBundle
南北粉面馆
08-11 327
首先解决2个编译不过的问题 1、fatal error: Eigen/Core: No such file or directory 解决办法：参考文章https://www.cnblogs.com/long5683/p/13406666.html 2、num_linear_solver_threads找不到的问题 解决办法：参考文章https://blog.csdn.net/EliGold/article/details/103402486 首先，构建ceres误差代价函数 class SnavelyRe
SLAM十四讲 ch10 pose_graph_g2o_lie_algebra.cpp 代码详解
海雅信子的博客
10-28 336
SLAM十四讲 ch10 pose_graph_g2o_lie_algebra.cpp 代码详解
视觉SLAM十四讲——ch10实践（后端2）
琉璃轻纱的博客
06-16 2670
视觉SLAM（Simultaneous Localization and Mapping）后端是一种用于处理视觉SLAM问题的算法。视觉SLAM是指机器在未知环境中同时实现自身的定位和地图构建的技术。视觉SLAM后端的任务是在视觉SLAM中负责维护一个优化后的地图和机器人的轨迹。常见的视觉SLAM后端算法包括基于图优化的方法，如G2O、ceres等，以及基于滤波器的方法，如卡尔曼滤波器、扩展卡尔曼滤波器等。视觉SLAM后端算法需要处理传感器数据的噪声和不确定性，并通过优化算法来减小误差和提高精度。
slam十四讲第十讲：找不到 g2o_viewer
1900的博客
05-27 1034
第十讲里面有个sphere.g2o 书上说用g2o_viewer打开 我在ch10文件夹下执行了命令 g2o_viewer sphere.g2o 提示报错：找不到g20_viewer命令 在网上搜了下，参考这个博客 https://blog.csdn.net/qq_43525260/article/details/104192218 但是他写的有个命令需要改下 下面是解决过程 打开g2o的源码，cmake_modules文件夹下的QGLViewer.cmake文件。如图 打...
《slam十四讲ch10:g2o_viewer运行成功留念》
海淀摆烂王
05-06 403
运行环境： ubuntu16 + kdevelop qt5-default qtcreator(很多帖子使用qt4,在ubuntu16上是不行的) g2o:https://github.com/RainerKuemmerle/g2o.git(SLAM十四讲中3rdparty的g2o) 安装过程转载：https://blog.csdn.net/YuYunTan/article/details...
视觉SLAM十四讲从理论到实践第二版源码调试笔记（实践应用7-14章）
zhangrelay的专栏
11-20 6092
视觉SLAM十四讲从理论到实践第二版源码调试笔记（理论基础1-6章） 第七章和第八章：视觉里程计 1+2 使用示例，需要OpenCV4，报错如下： ROS:~/SLAM/slambook2/ch8/build$ cmake .. -- The C compiler identification is GNU 7.4.0 -- The CXX compiler identific...
推荐系统--------------交替最小二乘法(ALS)
data_curd的博客
12-25 1300
引入： LFM(隐语义模型)：协同过滤算法非常依赖于历史数据，而一般的推荐系统中，偏好数据又往往使稀疏的，这就需要对原始数据做降维处理，分解之后的矩阵，就代表了用户和物品的隐藏特征。 LFM降维方法就用 ----> 矩阵因子分解 矩阵因子分解的问题已经转化成一个标准的优化问题，需要求解P，Q使目标损失函数取最小值 最小化过程的求解，一般采取随机梯度下降算法或者交替最小二乘法来实现 说白了就是求矩阵因子分解的最优解，我们先用交替最小二乘法(ALS)求解。 正文： ALS的思想是，由于两个矩阵P和Q都是
视觉SLAM⑩后端Ⅱ(滑动窗口滤波和优化与位姿图)
qq_41694024的博客
05-25 3238
1.理解滑动窗口优化 2.理解位姿图优化 3.理解带IMU 紧耦合的优化
SLAM14讲之ch10: Ceres求解BA
GeneralShark
09-20 2109
说明 本文整理了几个对SLAM14讲ch10ceres求解BA的理解，由于原文格式看得很累，故转载在此。原文链接 1. 前言 g2o是根据边来保存每一个代价函数，它是在边类中构造误差函数，构造边的时候，会设置顶点、测量值、协方差矩阵等。 而在ceres中，用problem类型来构造最终的目标函数。 先是使用AddResidualBlock来添加代价函数，代价函数和核函数等构造成目标函数。 在cer...
高翔slam14讲 pdf
最新发布
10-27
《高翔SLAM14讲》是一本关于SLAM（Simultaneous Localization and Mapping）的经典教材。SLAM是一种在未知环境中实现机器人同时定位和地图构建的技术。这本书是作者高翔根据自己多年的研究和实践经验总结而成，对SLAM算法和应用进行了系统性的介绍和讲解。 《高翔SLAM14讲》总共有14讲，每一讲都涵盖了不同的主题和领域。从基础概念到算法实现，从视觉SLAM到激光SLAM，从前端感知到后端优化，全方位地介绍了SLAM领域的重要内容。每一讲都有相应的理论讲解、实例分析和代码实现，非常适合从事SLAM研究和开发的人员学习和参考。 《高翔SLAM14讲》着重强调了实际应用和工程实现。通过对现有算法的详细讲解和示例演示，读者可以更好地理解SLAM的原理和实践方法，并通过代码实现来加深对其应用的理解。无论是学术界的研究人员，还是工业界的工程师，都可以从中获得宝贵的经验和知识。 此外，这本书的语言通俗易懂，图文并茂，对于初学者来说也很友好。通过阅读《高翔SLAM14讲》，读者能够快速入门SLAM，并从中获得对于SLAM技术的深入了解。该书已经成为SLAM领域的经典教材，广泛被各高校和研究机构采用，并在业界赢得了良好的口碑。 综上所述，《高翔SLAM14讲》是一本值得阅读的SLAM相关教材。无论是对于SLAM感兴趣的初学者，还是SLAM领域的专业人士，都可以从中获取到丰富的知识和实践经验。阅读这本书，可以帮助读者掌握SLAM的核心概念、算法原理和实现方法，提升在SLAM领域的能力和水平。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值