SLAM的博客

Error：CMake Warning at CMakeLists.txt:189 (FIND_PACKAGE): By not providing "FindRapidJSON.cmake" in CMAKE_MODULE_PATH this project has asked CMake to find a package configuration file provided by "RapidJSON", but CMake did not find one. Could not

CGALUBUNTU16.04Error:CMake Error at CMakeLists.txt:73 (find_package): By not providing "FindCGAL.cmake" in CMAKE_MODULE_PATH this project has asked CMake to find a package configuration file provided by "CGAL", but CMake did not find one. Could

UBUNTU16.04 install PangolinError:CMake Error at CMakeLists.txt:91 (add_library): Target "pango_windowing" links to target "Eigen3::Eigen" but the target was not found. Perhaps a find_package() call is missing for an IMPORTED target, or an ALIAS t

学习参考：【博客】、【博客】、【博客】适合做数据的聚类，每个进餐厅的人选择一张桌子就坐，每个桌子有第一个人点一道菜以后所有这张桌子上的人共同享用，数据也是类似，对每个数据进入系统，选择一个新话题或者加入一个旧话题得概率表示。参考论文：【分层 Dirichlet 过程及其应用综述】DP解决一组数据的聚类，HDP分层DP解决多组数据得聚类问题。...

视觉SLAM中估计三维位姿的三种方式：首先摆出结论：2D-2D对级几何3D-2DPnP3D-3DICP对级约束用在单目初始化中估计第一帧和第二帧之间的位姿变化R,t。再进行三角化求出特征点的相对深度，后续的帧间位姿都是使用PnP来估计的。对级几何中首先根据匹配的特征点计算E、F或H，八点法等，最后根据SVD分解求得R，t。PnP已知：第一帧中特征点...

做SLAM是纯视觉还是多传感器融合单目视觉slam可以使用深度预测网络得到较准确地深度信息，克服单目尺度不确定和尺度漂移的问题，那还有必要结合别的传感器吗？以目前的技术来说，是非常有必要的，一是因为深度预测网络的精度和泛用性仍然有很大的提升空间；二是因为传感器的融合更为简单和稳定。引自：知乎融合IMU那肯定是为了克服纯视觉SLAM的缺点，或者说是为了互补IMU的优势和纯视觉SLAM的优势...

基于深度学习的VO另一篇博客【室外场景的SLAM方法】中写了自己对深度学习VO的不看好。但也不可否认，基于深度学习的VO获得了广泛关注，包括ICRA2019上就有几篇文章。基于深度学习的单目VO的图优化（2019ICRA)实验中的发现一个对比逻辑，只跟ORB-SLAM2的单目（更过分的是非要和没有回环检测的单目）比较，因为这类方法它根本比不过原本的单目回环更别说双目了，但是逻辑也没有问题，因...

室外场景的SLAM方法拿近几年来说，2017年是SLAM非常重要的一年。这一年出产了ORB-SLAM2和DSO。间接法ORB-SLAM2基于特征点的slam方法，基本上不需要任何赘述，非常经典的一中SLAM方法资源：【论文】【代码】直接法DSODSO分为单目和双目，并不是一个人写的，DSO单目在直接法中的地位也非常高，但今天要说的是DSO双目，它用于是室外无人驾驶。资源：论文【...