![](https://img-blog.csdnimg.cn/20210909102011730.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
视觉SLAM十四讲学习笔记
文章平均质量分 74
重走SLAM路,之前学的全忘光
今日重拾起,痛定思痛写总结
长征路漫漫,君当切实行
阿银的万事屋
轻度slam爱好者
展开
-
第十二讲-建图
本章说 题头诗: 重走SLAM路,之前学的全忘光 今日重拾起,痛定思痛写总结 长征路漫漫,君当切实行 这一章的内容简单,但对各种建图手段的逻辑梳理比较重要,所以我绘制了一张图进行说明讲内容...原创 2022-03-16 11:10:28 · 91 阅读 · 0 评论 -
9,10,11章内容逻辑的串接
本章说 题头诗: 重走SLAM路,之前学的全忘光 今日重拾起,痛定思痛写总结 长征路漫漫,君当切实行 这部分不是单独一章的内容详解,而是对9,10,11章各自做了什么事的梳理,由于10章,11章内容和手段上与9章存在着高度的相似,所以在展开介绍9章后,我们不再展开10和11章讲内容...原创 2022-03-16 11:08:50 · 66 阅读 · 0 评论 -
第九讲-后端1
本章说 题头诗: 重走SLAM路,之前学的全忘光 今日重拾起,痛定思痛写总结 长征路漫漫,君当切实行 第九讲主要内容集中在卡尔曼滤波以及非线性优化方法中的稀疏化和边缘化讲内容卡尔曼滤波卡尔曼滤波器就是利用已知的高斯误差分布从而确定最优无偏估计的轨迹和误差的过程这里先以KF为例介绍一下:1.预测已知k-1时刻状态(包含相机位姿和路标点位置)的后验概率分布为N(xk−1^,pk−1^))N(\hat{x_{k-1}},\hat{p_{k-1}}))N(xk−1^,pk−1原创 2022-03-16 11:04:31 · 89 阅读 · 0 评论 -
第八讲-视觉里程计2
本章说 题头诗: 重走SLAM路,之前学的全忘光 今日重拾起,痛定思痛写总结 长征路漫漫,君当切实行 第八讲主要介绍光流法和直接法,光流法仅仅给出两幅图之间的特征点匹配结果;而直接法是图像级的优化,给出两幅图之间的相对位姿变换讲内容光流法(LK光流)前提假设:随相机位姿的变换,对应点的灰度不变假设具体实现:首先依照特征点找寻方法找到特征点(例如角点)然后选取角点附近某个大小的窗口,利用像素梯度迭代,找到窗口总光度误差最小的匹配点原理说明:对于LK光流,知道了目标函原创 2022-03-16 10:31:59 · 158 阅读 · 0 评论 -
第七讲——视觉里程计1
本章说 题头诗: 重走SLAM路,之前学的全忘光 今日重拾起,痛定思痛写总结 长征路漫漫,君当切实行 第六讲主要理解位姿和坐标点估计问题如何转换成一个最小二乘问题:即该问题为什么是一个最大后验概率问题,如何转化为极大似然估计问题,又如何转化为最小二乘问题;其次,理解最小二乘法问题的迭代求解方法:首先理解牛顿法的含义,然后理解其局限性以及针对局限性提出的高斯-牛顿法和更进一步的列文伯格-马夸尔特方法。讲内容特征提取(主讲ORB) ORB特征提取的步骤可以总结为:提取FAST原创 2021-09-28 21:28:40 · 77 阅读 · 0 评论 -
第六讲——非线性优化
本章说 题头诗: 重走SLAM路,之前学的全忘光 今日重拾起,痛定思痛写总结 长征路漫漫,君当切实行 第五讲主要理解针孔相机模型的成像流程,内参定义,外参定义以及畸变过程;顺带理解双目相机成像原理,RGB-D相机介绍以及图像在代码中的表示方法;最后,重点理解相机标定方法。讲内容 首先,先说说为什么位姿和坐标点估计问题可以转换成一个最小二乘问题: 要理清以上疑问,可以遵循以下思路:为什么位姿与坐标点估计问题是一个最大后验概率问题?其为什么可以转换成极大似然估计问题?极大原创 2021-09-23 11:42:57 · 131 阅读 · 0 评论 -
第五讲——相机与图像
本章说 题头诗: 重走SLAM路,之前学的全忘光 今日重拾起,痛定思痛写总结 长征路漫漫,君当切实行 第四讲主要聊了李代数与李群的定义,关联,如何通过指数映射与对数映射互相转换、李群乘法和李代数加法的相互对应公式,以及从对应公式出发的李群求导推导。讲内容 首先,要讲清楚针孔相机模型,我认为应从物->像与像->物两个流程对比着看:物->像像->物有一世界坐标系下的点PwP_wPw为[X,Y,Z][X,Y,Z][X,Y,Z]有一个畸原创 2021-09-15 17:45:28 · 136 阅读 · 0 评论 -
第四讲——李群和李代数
本章说 题头诗: 重走SLAM路,之前学的全忘光 今日重拾起,痛定思痛写总结 长征路漫漫,君当切实行 第四讲主要聊了李代数与李群的定义,关联,如何通过指数映射与对数映射互相转换、李群乘法和李代数加法的相互对应公式,以及从对应公式出发的李群求导推导。讲内容 第一个内容讲李群和李代数的引出和关系,可以归纳为两个要点:李群的引出是因为旋转矩阵的特殊性,要求必须是行列式为1的正交矩阵(正交保证基、行列式为1保证刚体),如果不引入群来归类这一类矩阵,那么在后续优化过程中就必须时刻考虑原创 2021-09-14 20:54:06 · 345 阅读 · 0 评论 -
第三讲——旋转矩阵
本章说 题头诗: 重走SLAM路,之前学的全忘光 今日重拾起,痛定思痛写总结 长征路漫漫,君当切实行 第三讲主要聊了聊旋转矩阵R、变换矩阵T、四元数、欧拉角之间的关系,并做了相关的数学推导。在实际使用中,3D数学库,例如eigen库已经内在处理了它们的转换,所以对于如何从其中一个变换到另一个的数学推导过程可以不求甚解,重点是理解四个描述方式的不同使用场景与各自的特点。讲内容 首先解析一下旋转矩阵,我认为其中有两个重要内容:旋转矩阵R\bold{R}R描述了坐标系1仅做旋转变原创 2021-09-10 11:06:56 · 4722 阅读 · 0 评论 -
第二讲——框架与方程组
Part1 - 本章说 (话说本章说为什么要放在最前面?) 第二讲主要说了两个内容,一是一个完整的、常规的SLAM有哪些部件组成;二是SLAM的数学描述是什么。两者之间有一定的因果关系,第二点是基础,它说明了一个SLAM系统在数学上是可以成立的;第一点是第二点的工程实现,仅一个数学模型是无法求解的,其必将面临着非常多的工程问题,而第一点给出的常规结构,是在多方验证下证明可行的方案。Part2 - 说内容 先说第二点,SLAM的数学模型怎么理解? 一个完整的数学模型必备的前期准备是参数符号,原创 2021-09-09 11:12:10 · 101 阅读 · 0 评论