视觉slam十四讲第二版ch13代码解析

最新推荐文章于 2024-09-27 15:23:00 发布
最新推荐文章于 2024-09-27 15:23:00 发布
阅读量1.2k 收藏 5
点赞数 3
分类专栏： slam 文章标签： c++
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/z504727099/article/details/115465848
版权

总体流程

在这里插入图片描述

1.VO：：init初始化
加载yaml参数文件
前端、后端、建图、显示初始化

2.初始成功开始RUN
step：读取图片，addframe：

3.addframe：
（1）双目初始化
一.左图检测特征点
二。右图光流跟踪特征点
三.结合内外参，三角化生成世界坐标
（2）跟踪track
一.拿之前两帧的差距作为位姿，光流寻找前后两帧的对应点，
二.g2o估计更新位姿
三.内点数量少于阈值80，就当前帧设为关键帧，检测更多特征点，右图光流跟踪左图，三角化生成世界坐标

知识点
1.C++ STL：list,map,，多线程，锁，智能指针
2.slam：三角化，后端优化

z504727099
关注
专栏目录
视觉slam十四讲第ch7-PNP-3d2d手写位姿估计代码详解
jiny_yang的博客
11-14 1641
视觉slam十四讲第ch7 PNP 3d2d手写位姿估计代码详解 最近在学习视觉slam十四讲，不管是书上内容还是高博视频，描述的都很细致。关于此书的资料博客也可以比较方便的在网上找到。但是因为此书除了第二版，一些代码什么的是第二版独有的，网上资料还没那么丰富。 今天在学到手写位姿估计的内容时就发现内容和代码都似懂非懂，网上的资料又不充分，因此花了很多时间去解决，现把pose_estimation_3d2d.cpp的代码手写高斯牛顿法片段和我的注释版附上，不一定对，但是应该会对初学者有一些帮助。 void
【视觉SLAM十四讲】视觉里程计—特征点法
weixin_44413191的博客
07-29 1199
本文为视觉 SLAM 学习笔记，讲解视觉里程计中的特征点法。内容包括特征点法、实践：特征提取和匹配、2D-2D：对极几何、实践：对极约束求解相机运动、三角测量、实践：三角测量、3D-2D：PnP、实践：求解 PnP、3D-3D：ICP、实践：求解 ICP
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
slam14讲之设计slam系统（第二版ch13）代码注释一（前端）
SLAM小学僧
05-05 1072
阅读高博slam14讲工程项目那章对前端代码的一些注释，主要是frontend.cpp，其实typedef g2o::BlockSolver_6_3 BlockSolverType中这个<p,l>(本代码中是6,3)一直不是很理解，感觉怎么解释都解释不通，有没有好心人看到能解释一下～～～（感激） // // Created by gaoxiang on 19-5-2. // #include <opencv2/opencv.hpp> #include "myslam/algori
SLAM的发展方向：全面概述激光SLAM、视觉SLAM、雷视融合SLAM、多传感器SLAM及其未来发展
最新发布
小蜗牛的珍贵百宝箱
09-27 1498
激光SLAM是依赖于激光雷达（LiDAR）的系统，通过激光扫描环境中的障碍物、地形、物体生成3D点云数据，实现高精度定位和地图构建。激光SLAM是机器人、无人驾驶汽车、地形扫描仪等应用中广泛采用的方式。视觉SLAM使用相机作为主要传感器，通过捕捉的图像信息构建地图并实现定位。相机作为低成本的传感器，视觉SLAM近年来成为研究的热点，尤其在消费级无人机、AR/VR设备中广泛应用。雷视融合SLAM通过将激光雷达与相机的数据进行融合，结合激光的精度与相机的丰富视觉信息，实现更加稳健的定位与地图构建。
《SLAM十四讲第二版》CH13项目学习笔记
qq_40626995的博客
02-11 1554
目录数据类型和结构程序运行过程一、顺序执行过程1.初始化过程(第一帧)。2.第二次进入循环(第二帧)二、三角化算法与SVD求解三、Map::RemoveOldKeyframe()与Map::CleanMap() 数据类型和结构 程序运行过程 一、顺序执行过程 1.初始化过程(第一帧)。 assert(vo->Init() == true); Init()函数位于visual_odometry.cpp文件中。 首先传递了配置文件路径(config_file_path_)，后来可以发现在配置文件
《视觉SLAM十四讲》ch13源码分析
xuxuxu_in_wind的博客
03-29 702
最近在学习高博的《视觉slam十四讲》，在实践部分感觉手写视觉里程计的部分的代码还是比较有学习意义的，想做个源码分析，一来学习其中使用的c++编程技巧，而是对其中用到的一些算法查漏补缺，或者说温故知新，其实是从头开始。未完待续……
视觉SLAM十四讲配套代码
12-02
视觉SLAM十四讲配套代码
slam十四讲第二版ch12所需数据集
12-27
在描述中提到的"slam十四讲第二版ch12所需数据集"可能包含了用于演示或练习SLAM算法的各种数据。例如，这些数据可能来自公开的SLAM数据集，如Kitti、TUM RGB-D或EuRoC MAV。Kitti数据集主要用于自动驾驶汽车的SLAM...
视觉SLAM十四讲——ch7
weixin_58021155的博客
03-15 4384
SLAM十四讲第二版ch7
视觉SLAM十四讲学习笔记——第六讲 非线性优化（2）
weixin_61294345的博客
10-25 696
这一节主要回顾一下Ceres、g20的使用。 1.Ceres、G2o源码安装方法 高博士的书中都有各个库的安装方法，但由于版本变化，个别安装方法可能并不适用。这里简单整理一下两个库的源码安装方法，其他的库之后有时间统一整理一下。 （1）Ceres安装 下载源码，下载地址：https://github.com/ceres-solver/ceres-solver 安装依赖项： sudo apt-get install liblapack-dev libsuitesp...
SLAM十四讲(第二版)所有第三方库库.zip
03-31
SLAM十四讲（第二版）所需库，包括：C e r e s，G 2 O，S o p h u s,D B O W 等等。
视觉SLAM十四讲——ch13代码祥读（设计SLAM系统）
琉璃轻纱的博客
06-20 1891
接着我们可以看到第22行的初始化，直接转到visual_odometry.cpp文件，也就是本文的目录4。从上向下阅读，第39行，可以跳转到frontend.cpp文件，参考本文目录5.我们从开头开始阅读，可以看到第10行我们需要用的配置文件，可以参考3中的内容。同样，第40行，可以跳至backend.cpp文件，参考本目录的6.然后可以看到第18行，我们可以看到自己定义的一个类，可以在头文件。
SLAM十四讲第二版 CH13实战学习
czychen1997的博客
03-30 1173
前言 学了一遍高翔博士的SLAM十四讲第二版，想写一个双目slam的小demo，发现自己不知道怎么下手，便动手敲一下CH13学习学习。 内容 ch13的内容是一个实践，目的是编码出一个简单的双目视觉里程计。根据书中描述和其头文件组成，我将该slam系统结构分为以下四大部分： 参数类：common_include.h config.h dataset.h camera.h 特征类：frame.h feature.h mappoint.h map.h 系统类...
SLAM14讲学习笔记（十四）ch13 建图（代码详述带注释）
微鉴道长的博客
05-03 4771
本章的理论内容已经总结到了SLAM14讲学习笔记（九）单目稠密重建、深度滤波器详解与补充（纠正第13讲 建图 中的错误），这章的内容在关键的深度滤波器的地方犯了一些错误，我将其标了出来。本文没有理论知识，对理论知识不够了解的，请点击上面的链接。 本章的代码难点主要在于两点： 第一：通过极线匹配之后，如何通过三角测量算出两点的深度来。在ch7中，调用opencv的函数来三角化的。而这章是自己写的...
手撕 视觉slam14讲 ch13 代码（2）基本类的抽象
weixin_62952541的博客
09-02 602
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SLAM十四讲》笔记（ch13）
weixin_30559481的博客
09-15 1574
ch13——建图 　　主要目标：1.理解单目SLAM中稠密深度估计的原理 　　　　　　 2.通过实验了解单目稠密重建的过程 　　　　　　　 3.了解几种RGB-D重建中的地图形式　　 　　本讲我们将更加详细地讨论各种形式的地图，并指出目前视觉SLAM地图中存在着的缺陷。 　　SLAM作为一种底层设备，往往是用来为上层应用提供信息的。应用层对于“定位”的需求是相似的，而对于“建图”...
视觉SLAM十四讲学习笔记——第十二讲 建图
weixin_61294345的博客
11-27 4596
SLAM实际上是一种底层技术，往往用来给上层应用提供信息。在前文已实现的部分，我们最多得到的仅是一个稀疏的地图，在需要实现导航、避障、重建等应用时，稀疏地图很难提供足够的信息，需要考虑如何重建稠密地图，即建模所有看到过的部分。 根据使用相机的不同可以分为：“单目稠密重建”和“RGB-D稠密建图”（双目应该和RGBD类似，都可以主动测得或计算出图像深度）。其中RGB-D相机的稠密重建较为简单，最直观、简单的方法就是将RGB-D数据转换为点云地图，再结合相机位姿进行拼接，并对点...
SLAM十四讲-ch12-建图（包含单目和RGBD的代码详细注释）
joun772的博客
11-17 2253
一、单目稠密建图 单目相机因为无法获得深度信息，所以要计算深度 步骤： 1、利用极线搜索、块匹配得到参考帧和当前帧像素的匹配（快匹配利用ncc评分进行匹配）。 2、利用三角化计算深度估计值 3、利用深度滤波器对深度估计值进行滤波 【滤波就是算出估计的深度（这时候估计的深度加上了一个像素的误差了）的不确定性，然后估计的深度与之前的原深度进行高斯融合】 4、更新深度 源码如下： // // Created by nnz on 2020/11/16. // /************* * 1、读取图片 *
视觉slam十四讲 第二版 pdf
06-23
### 回答1： 《视觉SLAM十四讲》第二版PDF是一本关于视觉定位与地图构建技术的经典教材，由国内知名专家学者合作撰写而成。本书系统地介绍了基于视觉传感器的SLAM技术的各个方面，包括相机模型、图像特征提取、初始姿态估计、运动估计、地图构建、回环检测等。同时，本书还特别关注了SLAM方法的实际应用，讲解了多个真实场景下的SLAM应用案例，并介绍了如何使用OpenCV、G2O等开源工具实现SLAM算法。此外，本书还对SLAM技术的最新进展进行了介绍，如基于深度学习的特征提取与描述、多目标视觉SLAM、无人机视觉SLAM等。本书所涉及的内容深入浅出，既适合初学者入门，也适合高级研究人员深入了解SLAM技术的最新进展。该书是目前国内最权威、最全面的视觉SLAM入门教材之一，值得广大从事机器人、计算机视觉、机器人自主导航、无人机等相关领域的科研人员、工程师和学生学习使用。 ### 回答2： 《视觉SLAM十四讲第二版PDF》是一本关于算法技术的经典教材，主要介绍了SLAM技术的应用和原理。本教材全面详细地介绍了视觉SLAM的相关知识，从基础的数学知识开始，讲述了传感器、滤波、3D点云和视觉测量等原理，帮助读者逐步深入了解SLAM技术的实现过程。 此外，《视觉SLAM十四讲第二版PDF》还详细介绍了几种常用的视觉SLAM算法，包括基于特征匹配的视觉SLAM算法VFH、基于直接法的RGB-D SLAM算法和基于半稠密法的DSO算法。对于学习SLAM的人来说，这些算法的深入掌握能够让他们更好地理解SLAM的各种应用场景和内部原理。 此外，本教材还包括各种真实案例以及实验代码，帮助读者更好地了解SLAM技术的应用和实现方法。总体而言，对于想要深入了解SLAM技术和拓展相关应用的读者来说，《视觉SLAM十四讲第二版PDF》是一本经典的参考教材，具有极高的价值和实用性。 ### 回答3： 《视觉slam十四讲 第二版 pdf》是一本涉及到计算机视觉和机器人技术的重要书籍。这本书主要介绍了基于视觉技术的跟踪和定位算法SLAM。SLAM是一种用来对无人机、自动驾驶汽车和机器人等进行实时建图、路径规划和导航的技术。 本书包括十四个主题，内容涉及相机模型、卡尔曼滤波器、非线性优化、回环检测等各个方面。这本书适合于计算机视觉和机器人领域的专业人员和学生，以及对这些领域感兴趣的人。 此外，本书不仅仅是介绍了SLAM算法，还对视觉slam的一些经典算法进行了详细的讲解，同时也包括最新的研究成果，以及许多高质量的实验结果和实际应用案例。 通过阅读这本书，读者将能够全面了解视觉slam技术的基础和应用，对理解和掌握slam算法具有很大的帮助和作用。除此之外，本书也是一个很好的参考工具，尤其适合从事相关技术研究和开发的人员。
评论
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