![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
3D视觉基础
文章平均质量分 93
瀚文文文问问
保持热爱,星辰大海
展开
-
最小化重投影误差(BA法)求解PnP
最小化重投影误差求解PnP原创 2022-07-23 15:45:40 · 3867 阅读 · 8 评论 -
李代数的求导及扰动模型
李代数的求导以及扰动模型有什么用?当然就是求导的用,但在什么情况下需要求导,在机器人领域和3d视觉领域当然是函数的变量是旋转矩阵或变换矩阵,多发生在优化问题上!原创 2022-07-06 21:52:11 · 1083 阅读 · 0 评论 -
李代数与李群间的转换-指数映射、对数映射
李群和李代数转换,指数映射与对数映射,详细推导。原创 2022-07-01 16:24:30 · 2039 阅读 · 0 评论 -
李群与李代数的引出及解析
李群和李代数是重要的数学工具,在3D视觉,视觉slam,姿态估计以及机器人操纵中经常应用,本文将引出李群和李代数并进行解析。原创 2022-06-30 19:49:31 · 623 阅读 · 0 评论 -
SVD奇异值分解(1)-预备知识
引入SVD奇异值分解属于矩阵分解的知识,矩阵分解用白话解释就是将一个复杂的矩阵分解成一些特殊形式的矩阵,这些特殊形式的矩阵可能是上三角矩阵、下三角矩阵以及酉矩阵等等,这些特殊的矩阵往往具有一些优秀的性质。说一下我写奇异值分解的动机,我写这篇文章的时候是本科,在研究6D视觉以及机器人抓取的时候接触了对极几何、PnP以及ICP,这些算法在求解时基本都用到了奇异值分解,而大多数博客默认奇异值分解你是会的,但具我所知矩阵论是研究生课程(有的线性代数书会介绍,但是与我讲的有区别,线性代数一般在实数域下,而矩阵论原创 2022-04-26 13:31:08 · 710 阅读 · 0 评论 -
ICP(迭代最近点)算法推导详解
概述ICP用来求解3D-3D的位姿估计问题。假设有一组配对好的3D点,例如对两幅RGB-D图像进行匹配,或者是EPnP方法中已知参考的在相机坐标系中的坐标和在世界坐标系的坐标(参考我PnP的博文):P={p1,...,pn},P′={p1′,...,pn′}P=\left\{ p_{1},...,p_{n} \right\} , P^{'}=\left\{ p^{'}_{1},...,p^{'}_{n} \right\}P={p1,...,pn},P′={p1′,...,pn′}现在想要找到R原创 2022-04-22 12:06:09 · 3422 阅读 · 0 评论 -
PnP算法详解(超详细公式推导)
PnP算法详解PnP概述PnP数学模型PnP求解方法DLT直接线性变换法EPnPEPnP的特点步骤理论推倒1.控制点及齐次重心坐标系2.控制点的选择3.计算控制点在相机坐标系下的坐标4.求解R,t(ICP方法)参考文章PnP概述PnP(Perspective-n-Point)是求解3D到2D点的对应方法。它描述了当知道n个3D空间点及其位置,如何估计相机的位姿。如果两张图像中的一张特征点3D位置已知,那么至少需要3个点对(以及至少一个额外验证点验证结果)就可以计算相机的运动。PnP的应用范围很广比如原创 2022-04-22 11:47:52 · 25843 阅读 · 14 评论