![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
workspace
文章平均质量分 79
小书生大侠客
这个作者很懒,什么都没留下…
展开
-
BoW与LoopClosing
要解决的问题是如何去描述一幅数字图像,当然一幅数字图像会有不定个数的ORB特征点,但这个描述方式太复杂;通过BoW可以实现用一个向量去描述,这种方式相比就简单多了,其实就是将ORB特征点借助BoW转换成向量。原创 2023-10-22 20:31:48 · 79 阅读 · 0 评论 -
ORB-SLAM的基本介绍
相机(Camera)将客观 3D 场景投影到 2D 成像平面上,这投影的公式自然是已知的,2D 成像平面经过采样得到数字图像(离散的空间点阵,离散的RGB取值)。相机是运动的,并在运动的过程中以一定的FPS(Frame Per Second)摄像,利用这个数字图像序列来估计(estimate)自身位姿(pose),理想情况下一幅数字图像(one frame)对应一个位姿。这个问题解决的难点在于各个环节的误差/噪声,肯定会出现误差扩散,最后积累起来的误差肯定对性能有影响;原创 2023-10-22 14:45:34 · 649 阅读 · 0 评论 -
模型部署的理解
起初,一帮科学家用Python实现神经网络模型,为了方便开发了Python库:caffe(这些个库是Python Wrapper + C/C++ Code,跑在CPU上很慢,借助CUDA能用上NVIDIA GPU加速(就是贵)。这些个库,被称作深度学习框架,可能会有各自的 primitive operator set(元算子集),模型最后都可以表达成。CUDA提供把这些元算子转换成适合在NVIDIA GPU上运行的函数形式,NVIDIA很下功夫,从底层支持。原创 2023-10-20 14:58:33 · 48 阅读 · 1 评论 -
SVD分解求解线性方程组
求解线性方程组原创 2022-11-27 16:05:54 · 836 阅读 · 1 评论 -
Visual SLAM的BA问题:最小二乘问题的Levenberg-Marquardt算法
LM算法原创 2022-11-19 10:22:47 · 209 阅读 · 0 评论 -
Visual SLAM的BA问题:增加robust kernel
增加robust kernel原创 2022-11-19 10:17:25 · 189 阅读 · 0 评论 -
Visual SLAM的BA问题:增加信息矩阵
增加信息矩阵原创 2022-11-19 10:14:13 · 326 阅读 · 0 评论 -
SE(3)和se(3),左扰动模型
SE(3), se(3), 左扰动模型原创 2022-11-14 15:28:00 · 381 阅读 · 0 评论 -
SO(3)与so(3)、左扰动模型
SO,so,左扰动模型原创 2022-11-14 14:13:46 · 502 阅读 · 0 评论 -
分块对角矩阵的求逆
分块对角矩阵的求逆原创 2022-11-11 15:23:49 · 2211 阅读 · 0 评论 -
Visual SLAM的BA问题:H矩阵的稀疏性现象及求逆
BA问题,稀疏性原创 2022-11-11 14:44:52 · 126 阅读 · 0 评论 -
Visual SLAM的BA问题:构建最小二乘问题
BA问题,LS问题,H和b的由来原创 2022-11-11 14:31:29 · 159 阅读 · 0 评论 -
Visual SLAM的BA问题:基于Graph-based Optimization的描述
Graph结构原创 2022-11-11 14:13:13 · 90 阅读 · 0 评论 -
Visual SLAM的基本概念和公式
介绍visual slam里的几个基本概念:pose、landmark等原创 2022-11-11 14:06:19 · 150 阅读 · 0 评论 -
Levenberg-Marquardt算法求解单应性矩阵
LM算法求解单应性矩阵原创 2022-10-25 17:18:28 · 889 阅读 · 2 评论 -
论 相机成像模型
camera pinhole model原创 2022-10-21 17:07:21 · 162 阅读 · 0 评论 -
为什么负梯度方向是函数下降最快的方向
推导f(x⃗)f (\vec {x})f(x)是target function,x⃗0\vec {x}_0x0是start point。在x⃗0\vec {x}_0x0处做写出一阶泰勒展式:f(x⃗)=f(x⃗0)+∇f(x⃗0)⋅(x⃗−x⃗0)+O(∥x⃗−x⃗0∥2)f (\vec {x})=f (\vec {x}_0)+\nabla f (\vec {x}_0) \cdot (\...原创 2018-10-05 10:17:38 · 2350 阅读 · 0 评论 -
backpro中使用的链式求导法则的表现形式
直线型直线型体现了链式求导的乘法传递关系分支型分支型体现了链式求导的加法传递关系原创 2018-10-11 08:58:18 · 47 阅读 · 0 评论