视觉惯性slam
程小六视觉惯性slam理论与源码解析读书笔记
锦书致南辞7
slam新手
展开
-
SVD奇异值分解,求解Homography,Fundamental矩阵
奇异值分解(Singular Value Decomposition,简称SVD)是一种在数学、信号处理和统计学中广泛使用的矩阵分解技术。:这是一个单位正交矩阵,它的列向量称为左奇异向量。:这是一个对角矩阵,其对角线上的元素是非负的实数,称为奇异值。这些奇异值通常按降序排列。奇异值的数量等于原矩阵的行数和列数中的较小者。右奇异向量矩阵VH:这同样是一个单位正交矩阵,它的列向量称为右奇异向量。注意这里的V表示V矩阵的共轭转置。可以用下面的公式表示。原创 2024-01-30 23:40:22 · 724 阅读 · 1 评论 -
二、编程及编译工具CMake
学习笔记原创 2023-03-01 21:46:46 · 225 阅读 · 0 评论 -
一、什么是SLAM?
对slam技术作简要介绍原创 2023-02-23 22:02:37 · 1974 阅读 · 0 评论 -
视觉惯性SLAM学习笔记目录
仅仅是目录,方便之后的查找。原创 2023-02-23 21:55:46 · 85 阅读 · 0 评论