- 博客(7)
- 收藏
- 关注
原创 append和
看结果 a=[1,3,4] b=[2,6,7] a.append(b) a Out[20]: [1, 3, 4, [2, 6, 7]] a.extend(b) a Out[22]: [1, 3, 4, [2, 6, 7], 2, 6, 7]
2021-03-08 15:16:09
88
原创 ROS笔记
ROS(古月居21讲)学习笔记ROS系统安装小海龟仿真器的启动C++ 的使用python 使用ROS 核心概念ROS命令行工具的使用工作空间与功能包工作空间 (workspace)创建工作空间编译工作空间设置环境变量检查环境变量 ROS系统安装 Ubuntu 18.04 Melodic版本 软件源: sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/source
2021-02-19 16:53:55
150
原创 三角测量
7.5 三角测量 上节通过对极几何约束获得了相机的运动。 本节运用相机运动获得特征点空间位置。 通过单张图像无法获得图像的深度信息。用三角测量估计深度(比较容易理解) 红线是O1相机的像素p1对应的所有可能点。蓝线是O2相机像素p2对应的所有可能点。两像素在照片上是同一位置。因此理论上应该交于一点,这个点就是P的空间位置。 由于噪声影响,两个点无法相交,因此求一个最可能的解。 经过一系列操作解出 X1和X2 。 书中X1 和X2 为特征点的归一化坐标,是一个列向量。 程序: 程序中给出
2021-02-14 18:11:45
586
原创 对极约束求解相机运动的讨论
对极约束求解相机运动的讨论 上节程序求出了矩阵R,向量t。R和t的意义: 两个公式: 这两个公式是前面坐标变换的内容。R为旋转矩阵,t为坐标向量。 T与Rt之间的关系如下: 目的是加一个维度,让非线性变成线性。 尺度不确定性: 对t进行归一化,相当于固定了尺度。t为单位1。 初始化的纯旋转问题 单目初始化不能只有纯旋转,必须要有一定程度的平移。如果没有平移,单目将无法初始化。 多于八对点的情况:系数矩阵为A=8×9 如果给定的匹配点多于 8,该方程构成一个超定方 程,即不一定存在 e 使得
2021-02-14 17:26:53
212
原创 7.4 对极约束求解相机运动
7.4 程序:对极约束求解相机运动。 主函数 -正常流程 int main ( int argc, char** argv ) { if ( argc != 3 ) { cout<<"usage: pose_estimation_2d2d img1 img2"<<endl; return 1; } //-- 读取图像 Mat img_1 = imread ( argv[1], CV_LOAD_IMAGE_COLO
2021-02-13 17:27:30
254
原创 视觉SLAM14讲 7.3 对极几何笔记
7.3 2D-2D:对极几何 对极约束 上一节程序中提取了两张图片的特征点,并且进行了匹配。本节需要利用匹配好的特征点。 术语: 极平面:O1 ,O2,P 极点:e1,e2 基线:O1,O2 极线:l1,l2 理解: O1 O2为相机中心,他们前面的矩形框是成像平面。 具体参考第五讲。已经经过归一化。 在第一帧的坐标系下,P空间位置为:[X,Y,Z]^T 第五讲中:式5.7说明了像素坐标 (u,v)与真实坐标之间的关系,式中Z可以去掉。最终公式为5.9 T为转移矩阵,
2021-02-13 16:45:39
287
原创 高翔视觉SLAM14讲学习笔记-第7讲
高翔视觉SLAM14讲学习笔记-第7讲特征点法ORB特征实践:特征提取和匹配 特征点法 特征点:就是图像中有代表性的点,图像中一些特别的地方,如角点(角点就是角的点)、边缘、区块等。 ORB特征 实践:特征提取和匹配 暴力匹配运算量大,程序中使用的是快速最邻近算法(FLANN)。 /* if ( argc != 3 ) { cout<<"usage: feature_extraction img1 img2"<<endl; return 1; // argc 为
2021-02-11 19:51:52
1542
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人