YMWM_的博客

先贴出手写版，后续再打出Markdown版

  对于非线性优化问题，min⁡pF(p)\min_pF(p)pmin​F(p)F(p)=f(p)TΣ−1f(p)F(p)={f(p)}^T\Sigma^{-1}f(p)F(p)=f(p)TΣ−1f(p)采用迭代的方式，从一个初始值出发，不断更新当前的优化变量，使得代价函数下降。换而言之，就是将优化变量从ppp变成Δp\Delta pΔp，min⁡ΔpF(p+Δp)\min_{\Delta p} F(p+\Delta p)Δpmin​F(p+Δp)1 一阶梯度法和二阶梯度法直接将F(

  文件夹架构为，ch13 - app - - bin - cmake_modules - config - include - lib - src - test - CMakeLists.txt更新中…

目录1 单目稠密重建1 单目稠密重建  给定200张图  cpp文件内容为，在这里插入代码片  CMakeLists.txt文件内容为，在这里插入代码片  程序运行结果为，总共读取到了202张彩色图！*** 第2张彩色图 ***正在执行update()函数！正在执行evaluateDepth()函数！深度估计图和深度真值图之间的均方根误差为：1.62062正在执行plotDepth()函数！该历元共耗时26.2563分钟！*** 第3张彩色图 ***正在执行update(

  已知第1张图像的像素点在归一化平面的坐标freff_{ref}fref​（三维向量，分别为X/Z,Y/Z,1X/Z,Y/Z,1X/Z,Y/Z,1，注意这里我们不知道X,Y,ZX,Y,ZX,Y,Z分别是多少，只知道它们的比值关系），当前图像的相应像素点在归一化平面的坐标fcurf_{cur}fcur​（三维向量，形式为X/Z,Y/Z,1X/Z,Y/Z,1X/Z,Y/Z,1），并且还知道从当前图像到第1张图像的变换矩阵TRCT_{RC}TRC​（RRCR_{RC}RRC​表示旋转部分，tRCt_{RC}tR

目录1 创建字典2 相似度的计算3 增加字典规模1 创建字典  有10张图，从1.png到10.png，利用这10幅图的ORB描述子创建一个字典。  cpp文件内容为，#include "DBoW3/DBoW3.h"#include <opencv2/core/core.hpp>#include <opencv2/highgui/highgui.hpp>#include <opencv2/features2d/features2d.hpp>#include

目录1 用g2o_viewer进行优化2 利用g2o默认的顶点和边进行优化3 利用自己定义的顶点和边进行优化1 用g2o_viewer进行优化  打开终端，输入g2o_viewer sphere.g2o，得下图，点击左下角Optimize按钮，执行优化，优化结果为，2 利用g2o默认的顶点和边进行优化  cpp文件内容为，#include <iostream>#include <fstream>#include <string>#include &l

目录1 Ceres BA的书写1.1 源文件和头文件1.2 CMakeLists.txt文件1.3 执行结果1 Ceres BA的书写1.1 源文件和头文件待更新1.2 CMakeLists.txt文件  内容如下，find_package(Ceres REQUIRED)include_directories(${CERES_DIRECTORIES})include_directories("/usr/include/eigen3")add_library(bal_common com

目录3 直接法3 直接法

目录1 使用LK光流2 用高斯牛顿法实现光流2.1 单层光流1 使用LK光流  给定图像1和图像2，利用OpenCV中的自带函数提取图像1中的GFTT角点，然后利用calcOpticalFlowPyrLK()函数跟踪其在图像2中的位置(u,v)(u,v)(u,v)。  cpp文件内容为，#include <iostream>#include <chrono>#include <opencv2/opencv.hpp>#include <Eigen/Cor

目录5 求解PnP5.1 使用EPnP求解位姿5.2 手写位姿估计5 求解PnP5.1 使用EPnP求解位姿  已知图像1、图像2和图像1的深度图，那么就可以得到图像1中的路标点和图像2中相对应的特征点，利用OpenCV中的solvePnP()函数求解两帧之间的旋转运动和平移运动。  cpp文件内容如下，#include <iostream>#include <chrono>#include <opencv2/opencv.hpp>using names

目录1 OpenCV的ORB特征2 手写ORB特征1 OpenCV的ORB特征  cpp文件内容为，#include <iostream>#include <chrono>using namespace std;#include <opencv2/core/core.hpp>#include <opencv2/features2d/features2d.hpp>#include <opencv2/highgui/highgui.hpp

目录1 手写高斯牛顿法21 手写高斯牛顿法  对于如下测量方程，y=eax2+bx+c+wy=e^{ax^2+bx+c}+wy=eax2+bx+c+w其中yyy表示对状态(a,b,c)T(a,b,c)^T(a,b,c)T的测量；www为噪声，它服从均值为0，方差为1的高斯分布。同时，有如下100个数据点，xdata[100]={0,0.01,0.02,…xi…，0.99}x_{data}[100] = \{0, 0.01, 0.02, …x_i…， 0.99 \}xdata​[100]=

目录1 操作OpenCV图像1 操作OpenCV图像  cpp文件内容如下，#include <iostream>#include <chrono>#include <ctime>using namespace std;#include <opencv2/core/core.hpp>#include <opencv2/highgui/highgui.hpp>using namespace cv;string path =

目录1 Sophus的基本使用2 评估轨迹的误差1 Sophus的基本使用  cpp文件内容如下，#include <iostream>#include <cmath>#include <ctime>using namespace std;#include <Eigen/Core> //Eigen核心模块#include <Eigen/Geometry> //Eigen几何模块using namespace Ei

Eigen的和使用  cpp文件内容如下，在这里插入代码片更新中！！！

2.1 用g++编译cpp文件  代码如下，#include <iostream>using namespace std;int main(){ cout << "Hello SLAM!" << endl; return 0;}  在终端中输入g++ main.cpp，生成可执行文件a.out，继续再终端中输入./a.out，显示Hello SLAM!。效果如下图，2.2 使用cmake  cpp文件内容如下，#include