vSLAM Day
借鉴各大佬的ros ,再次感谢,希望多交流,指正错误
MetaSmiles
智能机器人 视觉slam 计算机视觉,软件开发
展开
-
SLAM基础- 题目:视觉SLAM位姿优化时误差函数雅克比矩阵
SLAM,即 同时定位与建图,视觉SLAM的 定位 即 求取相机位姿(旋转和平移 [Rt]);在SLAM中,我们一般使用 李代数 ξ 来表示 旋转和平移。在优化位姿时,其思想是构造一个关于位姿变化的误差函数,当这个误差函数最小时,认为此时估计的位姿最优。视觉SLAM主要分为 直接法 和 特征点法,但无论是直接法还是特征点法,位姿的迭代优化都是求解一个最小二乘问题。...原创 2019-12-20 13:20:33 · 682 阅读 · 0 评论 -
SLAM基础- 题目:基础矩阵F、本质矩阵E和单应矩阵H的自由度和秩
主要分析:基础矩阵F、本质矩阵E和单应矩阵H的自由度和秩,首先两个问题,尺度归一化和秩尺度归一化:以本质矩阵为例,表达两帧的相机归一化坐标之间的对应关系将矩阵写成向量,转化为下式:由于等式右侧是0,所以上面两式子乘以任意常数以后还是表示同样两点之间的变换,所以是F是尺度等价的。秩:1.一个矩阵乘以可逆矩阵秩不变(https://www.jianshu.com/p/9...原创 2019-12-17 19:21:18 · 2515 阅读 · 0 评论 -
SLAM基础- 题目:outlier+鲁棒核、RANSAC
在VSLAM中,我们假定给出的对应集{x-x'},然后去计算相机的运动估计,但是由于噪声的影响,错误的匹配导致很差的估算效果采用2种方法减少这个错误匹配影响,选择那些正确的匹配进行估计(RANSAC)和降低那些错误匹配的权重(鲁棒核函数)两者区别是:RANSAC方法进行模型估计,实际上分了两步,首先选出局内点,然后再进行一步优化。鲁棒核函数只需要一步,直接优化求解模型参数,通过...原创 2019-12-17 15:54:36 · 539 阅读 · 0 评论 -
SLAM基础- 题目:视觉SLAM常用的相机包括,单目,双目,RGB-D相机的介绍
非常感谢六哥的公众号整理"计算机视觉life",收益匪浅 单目相机 双目相机 RGBD/深度相机 常用的型号 常用型号:有非常多的种类可以选择,比如罗技C920 常用型号:Indemind,小觅,ZED等 常用型号:Kinect系列、Realsense系列、Orbbec、Pico等 优点 ...原创 2019-12-15 14:30:43 · 2959 阅读 · 4 评论 -
SLAM基础- 题目:请简述一下视觉SLAM方法中特征点法和直接法的概念,以及对应的优缺点。
视觉SLAM方法一般分为特征点法和直接法。请简述一下特征点法和直接法的概念,以及对应的优缺点 特征点法 直接法 光流法 基本概念 特征点法,根据提取、匹配 特征点来估计相机运动,优化的是重投影误差,对光照变化不敏感 ,是比较成熟的方案。常见的开源方案 比如ORBSLAM 直接法,根据相机的亮度信息估计相机的运动...原创 2019-12-14 14:01:36 · 2550 阅读 · 0 评论