手撕 视觉slam14讲 ch13 代码 总结

已于 2023-11-08 13:28:03 修改
阅读量271 收藏 5
点赞数 2
分类专栏： 手撕VO篇 视觉slam十四讲 文章标签： SLAM c++ 计算机视觉 ubuntu
于 2023-11-08 13:27:20 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_62952541/article/details/134285612
版权

运行效果 （Kitti 00）4倍速

一、代码

 GitHub - tzy0228/Easy-VO-SLAM: VSLAM-CH13工程代码注释版本

二、编译过程

踩坑 视觉SLAM 十四讲第二版 ch13 编译及运行问题_全日制一起混的博客-CSDN博客

三、代码解读

手撕 视觉slam14讲 ch13 代码（1）工程框架与代码结构-CSDN博客

手撕 视觉slam14讲 ch13 代码（2）基本类的抽象_全日制一起混的博客-CSDN博客

手撕 视觉slam14讲 ch13 代码（3）相机类、数据集类、参数配置类_全日制一起混的博客-CSDN博客

手撕 视觉slam14讲 ch13 代码（4）VisualOdometry类和工程主函数_全日制一起混的博客-CSDN博客

手撕 视觉slam14讲 ch13 代码（5）双目初始化 StereoInit()_全日制一起混的博客-CSDN博客

手撕 视觉slam14讲 ch13 代码（6）正常跟踪模式 Track()-CSDN博客

手撕 视觉slam14讲 ch13 代码（7）后端优化 Backend::Optimize()-CSDN博客

全日制一起混
关注
  • 2
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
专栏目录
高翔视觉slam十四讲有完整库的代码文件
09-20
高翔视觉slam十四讲有完整库的代码文件 ： 因为高翔视觉slam十四讲文件里面的，3rdparty文件夹下下载下来是空的，所以这里有专门的已经下载好了的文件夹供大家使用，不用再自己下载了，避免因版本不同而编译错误。 操作： 1、库文件中如果有build文件夹的，先删除build文件夹。 2、然后 cmake .. 3、make -j4, 编译成功，运行各章节的代码文件。
slam十四讲 ch13——remode dataset
10-20
slam十四讲 ch13，单目稠密重建 苏黎世大学公开数据集http://rpg.ifi.uzh.ch/datasets/remode_test_data.zip 原地址已失效
高翔视觉slam 14讲 配套代码
07-19
高翔视觉slam 14讲 配套套代码，每一章都有，有助于学习视觉SLAM
slambook2-ch13-VO-comment:视觉SLAM十四讲ch13中VO的详细注释版本，基本覆盖所有理解难点，尤其对入门学者十分友好！！
05-30
slambook2-ch13-VO（详细注释版） 视觉SLAM十四讲ch13中VO的详细注释版本，基本覆盖所有理解难点，尤其对入门学者十分友好！！ slambook2——VO（详细注释） 相较于第一版十四讲，第二版中内容更加丰富，对一些知识点进行了扩充说明，其中最吸引人的应当是ch13中手写VO的环节，这一章为广大学子提供了一个良好的对接口 现有的VINS，ORB系列等开源代码对于初学者而言跨度层较大（尽管早年的学习者都是这么过来的），普遍阅读效率并不高，ch13中VO的出现提供了一种新的选择 之前一直想完整详细地阅读一遍ch13中的VO，但时间太紧，没有腾出手来，趁年末做完这项工作，打一版详细注释 代码中__“事无巨细”__地打上了相关注释，甚至对于基本语法也给出了细致说明或者精准的参考网址（对应网址内容都是作者在众多类似内容中择优产生），希望能对大家有所帮助！ 因时间紧迫，能力有限，无
手撕 视觉slam14讲 ch13 代码（1）工程框架与代码结构
weixin_62952541的博客
09-02 272
开始,我们按照自己写系统的思路进行，首先确定好SLAM整体系统的流程，见下图，输入为双目图像，之后进入前端位姿估计和后端优化，中间维护一个由关键帧和地图点组成的地图。3. MapPoint（地图点类）：3D点，通过三角化等方式计算出2d特征点的深度，即获得其3D位置。2. Feature（特征点类）：2D点，通过对帧提取特征点，实现后续光流追踪。在学习slam一年之后开始，开始自己理思路，全手敲完成ch13的整个代码。工程框架与代码结构确定好后，我们开始进一步抽象出一些基本的类。
手撕 视觉slam14讲 ch13 代码（3）相机类、数据集类、参数配置类
weixin_62952541的博客
09-11 421
我们首先从数据集读取入手，包括读取数据集的参数文件来获得相机的内参和外参,以及读取图片，因此，我们还需要抽象出相机类、数据集类、参数配置类。相机类最简单，我们先来实现它。
手撕 视觉slam14讲 ch13 代码（2）基本类的抽象
weixin_62952541的博客
09-02 396
虚线：表示依赖关系，A指向B，则代表A依赖于B，即A类中使用了B类的属性或方法，但是不改变B的内容。这里指的是工厂类制造具体产品，显然具体产品是作为返回类型。工厂模式：抽象工厂有子类具体工厂ABC，分别用于生产对应的具体产品ABC。简单工厂模式：一个工厂类分别生产每种具体产品，缺点是对修改不封闭，新增加产品要修改工厂。至此三个基本的类抽象完毕，但是还缺一个地图类（Map）来管理frame和mappoint。常见的SLAM系统中的帧（Frame）需要包含以下信息：id，位姿，图像，左右目特征点。
视觉SLAM14讲——ch13代码编译
linxinlrh的博客
02-25 588
视觉SLAM14讲——ch13编译
手撕 视觉slam14讲 ch13 代码（4）VisualOdometry类和工程主函数
weixin_62952541的博客
09-13 265
num_features_是每帧最多提取的特征点数量，此外还保存一个参数num_features_init_，这个参数在后面的地图初始化中会用到。在后端初始化中，主要是新开一个线程backend_thread_，然后把这个线程中运行的函数设置为Backend::BackendLoopI()函数。因为需要实例化并初始化frontend_，backend_，map_，viewer_四个对象，因此我们需要再额外写出前端、后端、显示这三个类的构造函数。
视觉SLAM十四讲配套代码
12-02
视觉SLAM十四讲配套代码
视觉SLAM14讲课件
04-20
视觉SLAM14讲课件
手撕 视觉slam14讲 ch13 代码（6）正常跟踪模式 Track()
weixin_62952541的博客
10-17 372
至此EstimateCurrentPose() 函数完成,返回的当前帧追踪到的特征点内点数量(tracking_inliers_)，然后判断当前的跟踪状态，为下次的添加帧做准备.如果内点数大于50 ，就是 tracking good ，内点数小于50大于20， 就是tracking bad，如果小于20，就 tracking lost .更新完跟踪状态后，进入 InsertKeyframe() 函数判断要不要插入关键帧。其中我们关注其中:自定义的顶点和边。中的g2o的实现流程,
手撕 视觉slam14讲 ch13 代码（5）双目初始化 StereoInit()
weixin_62952541的博客
09-22 304
实现的推导过程中可以看一下。里的SVD分解的部分。
手撕 视觉slam14讲 ch13 代码（7）后端优化 Backend::Optimize()
weixin_62952541的博客
10-22 283
在上一篇 手撕（6）中的InsertKeyframe()插入关键帧的函数里，有一个 Backend::UpdateMap() 函数 ，从这里通过条件变量 map_update_ 来激活后端优化。 后端在构造时，就构建了一个启动优化线程Backend::BackendLoop，并上锁，等待前端唤醒 然后在前端的InsertKeyframe()插入关键帧的函数里，通过 Backend::UpdateMap() 函数 ，触发地图更新，启动优化： 其中的条件变量 map_update_ 被激活，使得B
手撕 视觉slam14讲 ch7 / pose_estimation_3d2d.cpp （1）
weixin_62952541的博客
08-31 1775
1. 读图,两张rgb（cv::imread）2. 找到两张rgb图中的特征点匹配对2.1定义所需要的参数：keypoints1, keypoints2,matches2.2 提取每张图像的检测 Oriented FAST 角点位置并匹配筛选（调用功能函数1）3. 建立3d点（像素坐标到相机坐标）3.1读出深度图（cv::imread）3.2取得每个匹配点对的深度3.2.1 得到第y行,第x个像素的深度值3.2.2 去除没有深度的点3.2.3 转到相机坐标系（调用功能函数2）
C语言—操作符详解（操作符、进制转换、原码反码补码、结构体）
l1894的博客
05-04 1098
（左移一位有乘2的效果，右移一位有除2的效果）
C++中如何自己封装一个Callable
JAN6055的博客
05-04 378
有时候静态编译太不灵活，我们需要更灵活的运行时操作。又或真假设你在开发一个脚本，想注册本地的C++函数到脚本语言的标准库中。例如gdscript的Callable。下面是一个我的一个简单的实现。我们假设脚本语言中的变量类型是std::any。根据情况不同实现细节也可能不同。
C++ | Leetcode C++题解之第70题爬楼梯
最新发布
Ddddddd_158的博客
05-05 454
C++ | Leetcode C++题解之第70题爬楼梯
视觉slam14讲ch13
11-08
《视觉SLAM14讲》第13讲主要介绍了多视图几何（Multi-view Geometry）在视觉SLAM中的重要性和应用。本章内容包括三维重建、相机姿态估计、稠密地图构建、三维点云的优化等方面。 首先，介绍了三维重建的基本概念和方法。通过多视图之间的特征匹配和三角化，可以获取相机位置和场景的三维结构。其中使用了基础矩阵、本质矩阵和投影矩阵等几何工具进行相机位置估计。 其次，讲解了相机姿态估计的原理和方法。通过将特征点在不同视角中的投影进行匹配，可以计算得到相机之间的位姿变化。常用的方法包括通过两帧图像的本质矩阵或单应性矩阵来进行计算。 然后，讲述了稠密地图构建的过程。通过对特征点云进一步处理，可以得到更加丰富的场景信息。常用的方法有基于三维重建的稠密地图构建和基于场景几何关系的稠密地图构建等。 最后，介绍了三维点云的优化方法。从视觉SLAM系统的角度出发，通过优化相机的位姿和特征点的三维位置，提高系统的准确性和鲁棒性。常用的方法有基于图优化的方法和基于束优化的方法等。 综上所述，《视觉SLAM14讲》第13讲详细介绍了多视图几何在视觉SLAM中的关键技术和应用。可以通过多视图的特征匹配和三角化，实现三维重建和相机姿态估计。同时，通过稠密地图构建和三维点云的优化，提高系统的精度和鲁棒性。这些技术对于实现高效的视觉SLAM系统具有重要意义。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 7
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值