《视觉SLAM十四讲》ch7视觉里程计1学习笔记(1)—— 视觉里程计1理论部分

        前段时间学习了高博的《视觉SLAM十四讲》第7讲——视觉里程计1,这一块主要介绍了视觉SLAM前端(视觉里程计)部分中的特征点法。其中我在我的另一篇博客中比较了基于opencv库函数和手写ORB匹配算法的差别,有兴趣的可以去看看,欢迎评论共同学习。以下提供链接:

《视觉slam十四讲》学习笔记——ch7实践部分 比较opencv库下的ORB特征的提取和手写ORB的区别

        在这篇博客中,我就不过多的介绍ORB特征点匹配的相关概念了,主要介绍如何在得到匹配好的点对后,根据点对来估计相机运动。

目录

1.内容框架

2.主要内容

2.1 2D-2D:对极几何

2.1.1 对极几何求解过程

2.1.2 单应矩阵相关知识

2.1.3 三角测量相关知识

 2.2 3D-2D:PnP

​ 2.3 3D-3D:ICP

2.3.1 SVD方法

2.3.2 非线性优化方法 

3. 总结


以下是我总结归纳出的这部分内容框架:

1.内容框架

《视觉SLAM十四讲》ch7视觉里程计1学习笔记(1)—— 视觉里程计1理论部分_第1张图片

2.主要内容

2.1 2D-2D:对极几何

      对于对极几何的相关知识,我做了一些学习笔记和总结,如下图所示:

2.1.1 对极几何求解过程

《视觉SLAM十四讲》ch7视觉里程计1学习笔记(1)—— 视觉里程计1理论部分_第2张图片

《视觉SLAM十四讲》ch7视觉里程计1学习笔记(1)—— 视觉里程计1理论部分_第3张图片 《视觉SLAM十四讲》ch7视觉里程计1学习笔记(1)—— 视觉里程计1理论部分_第4张图片

《视觉SLAM十四讲》ch7视觉里程计1学习笔记(1)—— 视觉里程计1理论部分_第5张图片

 2.1.2 单应矩阵相关知识

        以下是单应矩阵相关笔记:

《视觉SLAM十四讲》ch7视觉里程计1学习笔记(1)—— 视觉里程计1理论部分_第6张图片

  2.1.3 三角测量相关知识

      以下是三角测量相关笔记:

《视觉SLAM十四讲》ch7视觉里程计1学习笔记(1)—— 视觉里程计1理论部分_第7张图片

《视觉SLAM十四讲》ch7视觉里程计1学习笔记(1)—— 视觉里程计1理论部分_第8张图片《视觉SLAM十四讲》ch7视觉里程计1学习笔记(1)—— 视觉里程计1理论部分_第9张图片

 2.2 3D-2D:PnP

      对于3D-2D情况,采取的是PnP方法,以下是我的学习笔记:

《视觉SLAM十四讲》ch7视觉里程计1学习笔记(1)—— 视觉里程计1理论部分_第10张图片

《视觉SLAM十四讲》ch7视觉里程计1学习笔记(1)—— 视觉里程计1理论部分_第11张图片《视觉SLAM十四讲》ch7视觉里程计1学习笔记(1)—— 视觉里程计1理论部分_第12张图片

《视觉SLAM十四讲》ch7视觉里程计1学习笔记(1)—— 视觉里程计1理论部分_第13张图片 2.3 3D-3D:ICP

2.3.1 SVD方法

     对于3D-3D的情况,采用的方法是ICP,以下是我的学习笔记:
《视觉SLAM十四讲》ch7视觉里程计1学习笔记(1)—— 视觉里程计1理论部分_第14张图片

《视觉SLAM十四讲》ch7视觉里程计1学习笔记(1)—— 视觉里程计1理论部分_第15张图片 《视觉SLAM十四讲》ch7视觉里程计1学习笔记(1)—— 视觉里程计1理论部分_第16张图片

《视觉SLAM十四讲》ch7视觉里程计1学习笔记(1)—— 视觉里程计1理论部分_第17张图片 《视觉SLAM十四讲》ch7视觉里程计1学习笔记(1)—— 视觉里程计1理论部分_第18张图片

2.3.2 非线性优化方法 

      以下是非线性优化相关笔记:

《视觉SLAM十四讲》ch7视觉里程计1学习笔记(1)—— 视觉里程计1理论部分_第19张图片

3. 总结

     以上是我对视觉里程计1——特征点法的学习笔记,字写的有点潦草,还望各位读者海涵。如有什么疑问或建议,欢迎在评论区留言。

你可能感兴趣的:(经验分享,slam,ubuntu,学习,计算机视觉,经验分享,ubuntu)