SLAM学习基础（一）——《图像局部不变性特征与描述》、《计算机视觉中的多视图几何》、《opencv3编程入门》读后感

（1）《图像局部不变性特征与描述》_淘宝

粗通《图像局部不变性特征与描述》这本书以后，我觉得所谓局部不变性，就是指在图像中提取的特征在光照、旋转、仿射、尺度发生变化时，仍然能被精确定位，进而被用来作为描述一个物体与另一个物体或者环境的独立特征。

比如说harris角点检测，仅仅是提供了一种确定特征位置的方法，实际上，对特征位置的确定，学名是特征检测。SUSAN是一种基于二值化的角点检测方法。不同的检测原理，但也只能用于定位。

而现在最为有名的是SIFT（效果好）、SURF（速度快）这两类斑点检测算法。在本书的第六章介绍了特征点的描述方法，当然SIFT和SURF的描述方法是重点，对特征检测获得的位置附近像素的特征进行描述，学名是特征描述。是进行特征匹配的基础。

如果我们想要完成三维重建任务，则需要进行每每两张图之间的特征匹配。换言之，就是不同图像上相同物体上相同特征位置的对应关系确定。根据确定的对应关系可以用于《计算机视觉中的多视图几何》中的模型估计：F、E、R、t。

特征匹配最常用的是FLANN（最近邻算法）。

(2)《计算机视觉中的多视图几何》_淘宝

在看这本书之前，建议先看一下《由2维影像建立3维模型》这本书，书里有些写的比较奇怪的东西，可能我认识有限，哈哈。但是我们能对三维重建（SFM）这个问题有初步的感知认识。

第0篇：
对于1至4章。我觉得第三章是重点，当然一二章跳不过去，因为我们要理解2D和3D空间中存在的射影变换形式，以及即使拍摄的图像发生仿射、相似、欧式变换，在2D和3D空间中仍然有一些点、曲线、曲面是保持不变的。对他们在图像中位置的辨识加粗样式，又利于我们恢复对事物本身的认识。

比如说第三章，就是利用辨识出的对应点，恢复两张图像之间的射影变换矩阵P，当然其中涉及到了经典的DLT和鲁棒估计算法RANSAC，并且以及提出针对代价函数利用Levenberg-Marquardt算法进行非线性优化。
第1篇：
第5章，介绍了相机模型。个人感觉使用一般的仿射相机就能满足一般的任务要求。

第6章，本质上是利用已知的3D空间对应关系，对与相机参数矩阵K相关的射影矩阵P进行估计（原理与第3章相似）。

第7章，7.4强调了摄像机中心的重要性，其位置变化是图像产生视差变化，进行实现三维重建的前提。换言之，仅仅发生摄像机中心的旋转不能实现三维重建，这个动动脑子就能想出来。另外还介绍了两种比较经典的、不同于第6章P矩阵的相机参数矩阵K确定方法。使用消影点和消影线和使用绝对二次曲线对摄像机进行模型估计，使用绝对二次曲线在18章自标定中会使用。

(3)《opencv3编程入门》_毛星云

这是我接触的第一个开源程序库，所以很多东西都是边摸索边搞的。

《opencv3编程入门》这本书，是基于vs2010写的，但是由于我后期，准备在Linux-ubuntu下，完成三维重建工程搭建，因此，或许调用头文件和配置链接库的方式可能有所不同。

第3第至5章很重要。第3章：图像存取；第4章：基于C++的opencv库的类Mat以及其他常见的类Point、Size、Scalar等等；第5章：如何访问图像像素及一些基本操作，作为一个菜鸟，当时好像在感兴趣区域上纠结了一下下。

当然，针对具体任务，我直接上手了10和11章。其中11章需要使用opencv2.4.9，其实配置方法类似，就之前按vs2017少了组件Windows 8.1 SDK 和 UCRT SDK，出了点小问题。（其实，我到2018年8月1日，对windows下，进行应用开发，vs需要安装什么组件仍然不是很清楚。。。，以后搞明白吧）

另外，如果想要在vs2017下运行opencv2.4.9，需要安装vs2013的平台工具集，网上有教程。

注：有些代码虽然在vs2017下能跑，但是到了SURF和SIFT代码验证时，vs2017会报错，呵呵！

通过这本书的学习，可能最大的收获是对C++类的概念有了一个更为明晰的感知，环境如何进行配置，以及初步了解了库这个东西该如何调用。

但是，或许Linux下又是另一个操作套路了，对于如何在linux下使用o pencv和非线性优化库ceres（或许这个库不应该在这里出现，哈哈哈），例如环境配置问题，需要参考《视觉SLAM十四讲》了。

如何，在windows和Linux下使用Cmake，对开源库进行重新编译和然后对修改代码进行调用，是我当前遇到的小问题，毕竟非计算机专业，，，
不过，慢慢来，有志者，事竟成。

补充1：windows下，使用cmake对opencv2.4.9进行修改和调用的方法：

补充2：6至9章，imgproc组件学习体会：

补充3：windows下，进行应用开发，vs需要安装什么组件