![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
SLAM基础知识
文章平均质量分 58
水理璇浮
这个作者很懒,什么都没留下…
展开
-
5、闭环检测
闭环检测是SLAM系统中的一个关键步骤,通过识别和校正回环,可以显著提高地图的精度和一致性。它涉及特征提取、候选帧匹配、几何验证和全局优化等多个步骤,在各种SLAM系统中都得到了广泛应用。经典的实现如ORB-SLAM,通过高效的特征匹配和全局优化,实现了高精度的视觉SLAM。原创 2024-06-15 17:37:02 · 1049 阅读 · 0 评论 -
C++基础之红黑树
节点颜色:每个节点要么是红色,要么是黑色。根节点性质:根节点是黑色的。叶子节点性质:叶子节点(NIL节点,空节点)是黑色的。红色节点性质:红色节点的子节点必须是黑色的(即不存在两个连续的红色节点)。任意节点到其每个叶子的路径包含相同数量的黑色节点:这个特性保证了树的黑色高度是相同的,也就是树的平衡性。原创 2024-06-15 17:33:43 · 543 阅读 · 0 评论 -
4、视觉里程计:特征点法、直接法和半直接法
半直接法是一种结合特征点法和直接法优点的视觉里程计方法。通过利用稀疏特征点的初始匹配和密集像素的光度误差优化,半直接法能够在计算效率和估计精度之间找到平衡点。SVO作为半直接法的典型实现,展示了其在实际应用中的有效性和鲁棒性。原创 2024-06-11 16:22:55 · 996 阅读 · 0 评论 -
3、SLAM算法中的运动模型和观测模型和常用传感器类型
由于局部传感器(相机、IMU和激光雷达)在局部精确性方面实现了令人印象深刻的性能且全局传感器(GPS、磁力计和气压计)是无漂移的,因此聪明的方式是将它们融合到一起以实现局部精确且全局无漂移的6自由度位姿估计。以GPS为例,它能够测量以米为单位的近似位置,但是该测量在低频率下是不连续的。因此,如果没有固定的全局坐标,它们对复用是不友好的。常用传感器类型:局部传感器(相机、IMU、激光雷达等)在小区域内提供了精确的位姿,而全局传感器(GPS、磁力计、气压计等)在大尺度环境中提供了有噪声但是全局无漂移的定位。原创 2024-06-11 14:33:26 · 298 阅读 · 0 评论 -
SLAM小题目
假设有三个WIFI热点,位置分别在(x1,y1), (x2,y2), (x3,y3), 移动端测量到每一个热点的距离L1,L2和L3,要求解移动端的位置.已知相机内参:520.9, 0, 325.1, 0, 521.0, 249.7, 0, 0, 1。求解两帧图像之间的运动。a.部署OpenCV等环境,使用熟悉的特征点匹配后计算。b.运动求解过程需要亲自编写程序,不允许调用第三方库。原创 2024-06-09 14:48:35 · 239 阅读 · 2 评论 -
2、紧耦合 vs 松耦合的区别
总结来说,紧耦合系统适用于对精度和鲁棒性要求较高的应用场景,但设计和实现复杂;松耦合系统实现较为简单,适用于对精度要求不太高或计算资源有限的场景。松耦合(Loosely Coupled)**是传感器数据融合的两种策略,主要用于提高SLAM系统的精度和可靠性。**紧耦合(Tightly Coupled)原创 2024-06-09 14:36:49 · 350 阅读 · 0 评论 -
1、旋转在三维空间中的表现形式
有4种表达方式:旋转矩阵SO(3)、四元数、旋转向量和欧拉角。原创 2024-06-07 11:41:11 · 250 阅读 · 0 评论