我对视觉SLAM十四讲的一些理解（一）

首先是三维空间的刚体运动，关键在于物体的运动如何表述，其中包括欧拉角，旋转向量及其与旋转向量的转换，其中包括罗德里格斯公式等数学知识，但欧拉旋转往往面临万向节死锁问题（简单来说，就是转三次和转两次等价），所以可以使用四元数，而关于四元数的表示，我想可以用复数在数轴上的表现来说明，a+bi中用a表示x轴，b表示y轴，可以通过类比方法来说明四元数的情况。同样，也可以转化为旋转矩阵。

关于李群与李代数，事实上，李群中包括旋转矩阵与变换矩阵，因为它们是可以连续变化的。而李代数则是李群进行指数映射后对李群性质的一些体现。

而相机与模型的篇章中，我知道了相机内参与外参的定义，相机内部参数，如焦距等是内参。外参是相机的位姿，包括旋转与位移。以及像素坐标以及归一化坐标，而畸变可以根据不同情况套用公式清除。单目相机需要三角化测量估测深度，双目相机根据视差估算深度，而RGBD相机则可以得到深度图像。

关于非线性优化以及相关的图优化，可以看一些贝叶斯相关的理论，然后根据ceres以及g2o库对非线性优化进行设计以及实践。

而说到真正的视觉里程计，就有不同的情况了，首先是特征点的提取与匹配，这与OpenCV的API有关，往往会根据色差进行判断，然后使用暴力匹配或快速最近邻进行特征匹配。2D到2D可以根据多个匹配的特征点生成并分解相关矩阵得到相对位姿（对极几何），使用三角化测量估算深度。而2D与3D使用的则是pnp方法，P3P/EPnP以估算相机位姿，然后使用非线性优化进行优化。另外，3D与3D的ICP情况，可以通过SVD方法以及非线性优化。

补充一句，非线性优化中，ceres的option配置以及ceres的图优化都需要进行考虑。