slam
文章平均质量分 82
64318@461
这个作者很懒,什么都没留下…
展开
-
ORB SLAM2阅读笔记(一)
动机:前几篇Blog根据 高老大的《SLAM十四讲》把整体思路梳理了一下,这里阅读源码的目的是发现工程实际中遇到的问题以及解决这些问题用到的工程技巧,同时膜拜一下Raúl Mur Artal大神的经典作品参考链接:[ORB-SLAM2] ORB-SLAM中的ORB特征(提取) - 知乎一步步带你看懂orbslam2源码--orb特征点提取(二)_Mr.Sliver的博客-CSDN博客_orbslam2特征点提取GitHub - electech6/ORB_SLAM2_detailed原创 2022-02-06 19:20:04 · 996 阅读 · 0 评论 -
NetVLAD: CNN architecture for weakly supervised place recognition
背景知识:Vector of Locally Aggregated Descriptors(VLAD)image retrieval.【CC】是广泛使用的图像提取方式,本文是在在这个提取器上做改进;具体是啥下面有介绍weakly supervised ranking loss【CC】本文的另外一个创新点是弱监督的LOSS设计,后面有介绍Place recongnition as an instance retrieval task:the query image location is estim原创 2021-12-26 19:12:14 · 1033 阅读 · 1 评论 -
LCDNet: Deep Loop Closure Detection and Point Cloud Registration for LiDAR SLAM
动机为解决SLAM里面回环检测问题,基于LIDAR为主sensor的网络:抛弃了传统的词袋模型,直接通过NN提取描述子,同时以OT理论为基础做数据相似性判断;另外,通过NN估计两帧间的R/t变换阵总体网络架构LCDNet is composed of a shared encoder, a place recognition head that extracts global descriptors, and a relative pose head that estimates the transf原创 2021-10-24 14:49:15 · 930 阅读 · 0 评论 -
SLAM(三)
思维导图投影模型根据观测方程建立目标函数BA求解根据非线性优化的思想,从某个初始值开始不断地寻找下降方向 ∆x 来找到目标函数的最优解。我们把自变量定义成所有待优化的变量(位姿和路标),然后不断增量求解:目标函数变为:其中 Fij 表示相机姿态的偏导数,而 Eij 表示路标点的偏导。写成矩阵的形式如下:其中Xc为所有位姿项,Xp为所有路标项根据前面的非线性优化求解,不管的是G-N法还是L-M法都面临下面的线性方程求解:无论采用什么方法,其雅克比阵为:以G-N法为例其H取H原创 2021-08-22 16:28:53 · 171 阅读 · 0 评论 -
视觉SLAM(二)
思维导图数学基础-SVD奇异值分解SVD分解的目标,将m×n矩阵A分解为如下形式:其中U是m×m的矩阵,V是n×n的矩阵,U,V都是酉矩阵,Σ是m×n的对角阵酉矩阵满足:形式化理解如下:求解过程:2D-2D 根据E矩阵求解R/t数学基础-李群李代数数学基础-非线性优化3D-2D PnP3D-3D ICP参考资料https://zhuanlan.zhihu.com/p/29846048...原创 2021-07-28 23:27:44 · 363 阅读 · 0 评论 -
视觉SLAM(一)
思维导图视觉SLAM要解决的问题用 x 表示车辆位置,各时刻位置就记为 x1,x2…xk,构成了车辆运动轨迹。地图由许多个路标组成,而每个时刻传感器会测量到一部分路标,得到观测数据z。设路标共有 N 个用 y1,y2…yn 表示。通过运动测量 u 和传感器测量量 z 来定位 (估计x)和建图 (估计y)形式化的表述(类似卡尔曼滤波的描述):这里 u_k 是运动传感器的读数(有时也可以作为输入),w_k 为噪声。我们用一个一般函数 f 来描述运动过程,而不具体指明 f当车辆在 x_k 位置上看原创 2021-07-11 22:36:49 · 343 阅读 · 0 评论