SLAM之路
文章平均质量分 87
_DavidWang_
计算机硕士,全国信标委虚拟现实与增强现实标准工作组成员(CNITSC)、中国增强现实核心技术产业联盟成员(CARA)、华为HDE(Huawei Developer Experts)、Unity UVP(Unity Valuable Professional)、CSDN博客专家,主编国家级团体标准1项,参与国家级标准编写1项,授权和在审发明专利十余项,软件著作权若干。专注图形学/XR开发,著有《基于Unity的ARCore开发实战详细讲解》、《AR开发权威指南-AR Foundation》、《ARKit原生开发入门精粹》、《HoloLens2开发入门精要-基于Unity和MRTTK》等书籍6本。
展开
-
ARMR视频教程合集(持续更新_20210818)
科学技术的发展拓展了人类感知的深度与广度,增强了人类对世界的认知能力。高速的数据流使信息的传递与获取前所未有的便捷,虚实融合技术的出现,开创了人类认知领域新的维度,推动着信息获取向 更高效、直观、更具真实感的方向发展。 增强现实(AR)、混合现实(MR)技术是将虚拟信息与真实世界融合展示的技术,其广泛运用了人工智能、三维建模、实时跟踪注册、虚实融合、智能交互、传感计算等多种技术手段,将计算机生成的文字、图像、三维模型、 音频、视频、动画等虚拟信息模拟仿真后,应用到真实世界中。AR/MR技术同时考虑了原创 2021-08-18 19:27:41 · 1618 阅读 · 3 评论 -
SLAM之路-kalibr编译安装终极解决方案
版权声明:Davidwang原创文章,严禁用于任何商业途径,授权后方可转载。 kalibr编译安装看似简单,实则凶险万分,稍不留神,耗进去个把礼拜轻轻松松,经过千难万险,现将流程记录下如: 前提条件:已正确安装ubuntu 18.04,ros melodic(一)、第一版 1、安装依赖sudo apt-get install python-setuptools python-rosinstall ipython libeigen3-dev libboost-all-dev doxygen原创 2021-06-08 17:09:02 · 2760 阅读 · 11 评论 -
SLAM之路-列文伯格马夸尓特法Cpp实现(矩阵视角)
版权声明:Davidwang原创文章,严禁用于任何商业途径,授权后方可转载。 在《SLAM之路-列文伯格马夸尓特法Cpp实现(元素视角)》这篇文章中,我们直接通过for循环迭代获取增量方程,看起来很冗余,不直观,在本文中,我们将对上篇文章进行改进,使用矩阵表达方式实现算法。 依然选择优化模型函数为:f(x)=ax+exp(bx+c)f(x) = ax + exp(bx + c)f(x)=ax+exp(bx+c) 其余所有关系不变,代码如下:/** Levenberg-Marquardt i原创 2020-10-13 08:56:22 · 550 阅读 · 2 评论 -
SLAM之路-高斯牛顿法Cpp实现(矩阵视角)
版权声明:Davidwang原创文章,严禁用于任何商业途径,授权后方可转载。 在《SLAM之路-高斯牛顿法Cpp实现(元素视角)》这篇文章中,我们直接通过for循环迭代获取高斯牛顿增量方程,看起来很冗余,不直观,在本文中,我们将对上篇文章进行改进,使用矩阵表达方式实现算法。 依然选择优化模型函数为:f(x)=ax+exp(bx+c)f(x) = ax + exp(bx + c)f(x)=ax+exp(bx+c) 其余所有关系不变,代码如下:/** Gauss-Newton iteratio原创 2020-09-22 21:56:04 · 469 阅读 · 0 评论 -
SLAM之路-列文伯格马夸尓特法Cpp实现(元素视角)
版权声明:Davidwang原创文章,严禁用于任何商业途径,授权后方可转载。从高斯牛顿法可知,由于使用$J(x)J^T(x)$近似了二阶导数H矩阵,导致最后的矩阵不一定为正定矩阵,所以可能会导致方程无解。列文伯格马夸尓特法针对这种情况进行了改进,即对$J(x)J^T(x)$矩阵进行改造,添加了一个参数值,保证最后得到的矩阵为正定矩阵,即增量方程变为原创 2020-09-01 21:39:51 · 569 阅读 · 0 评论 -
SLAM之路-高斯牛顿法Cpp实现(元素视角)
版权声明:Davidwang原创文章,严禁用于任何商业途径,授权后方可转载。在SLAM优化算法中,最速下降法由于下降路线呈垂直Z之形方式,其在离目标值较远时下降速度快,越目标值越近收敛速度越慢;牛顿法由于要求解二阶海森矩阵(Hessian),导致在数据量较大维度较高时计算量大幅度增加。因此,在实际使用中,我们更倾向于使用高斯牛顿法和列文伯格-马夸尔特法(还有DogLeg法等)原创 2020-08-28 22:29:18 · 816 阅读 · 0 评论 -
SLAM之路-OpenCV3张正友相机标定
版权声明:Davidwang原创文章,严禁用于任何商业途径,授权后方可转载。 由于相机使用的镜头制造工艺及安装工艺存在精度误差,这会造成投影后的像素发生畸变,这会给以图像输入为主的视觉分析带来干扰,严重时导致算法完全失效。通常的解决方案是通过相机标定获取到相机的内参数据,然后用这些参数校正输入的图像。相机内参是对相机制造、安装环节出现偏差的参数化表达,有的相机会在出厂时提供内参数据,有的则不提供,对不提供内参数数据的相机,我们需要自己通过算法拿到这些数据,这就是本节所要讲述的相机标定内容。 标定相机原创 2020-08-21 23:27:54 · 1136 阅读 · 1 评论