PnP(3D-2D)、ICP(3D-3D)

前言:

之前学习总结《视觉SLAM十四讲》总结过:

7:VO—— 3D-2D:PnP+BA

8:VO—— 3D-3D:ICP+SVD+BA

区别:

1、PnP(2D-3D)即给出n个3D空间点及其投影位置时,如何求解相机的位姿R t
2、ICP(3D-3D)利用n 对特征点在不同相机坐标系下的三维坐标,估计相机之间的相对位姿,适用于RGB-D SLAM和激光SLAM(从原理上来说)。

单目视觉里程计中,必须先通过对极约束进行初始化,然后用PnP。

SLAM中,一般先使用P3P粗略估计相机位姿,再构建最小二乘优化问题进行调整BA。

 


PnP

PnP(3D-2D)、ICP(3D-3D)_第1张图片

PnP(3D-2D)、ICP(3D-3D)_第2张图片

 

ICP

PnP(3D-2D)、ICP(3D-3D)_第3张图片

ICP 算法是一种点云到点云的3D-3D配准方法。

前提:已匹配好。(RGB-D两幅有深度图的帧上特征点匹配好、或PnP匹配好给出的3D-3D点对)

ICP的求解主要有线性代数的求解(SVD)和非线性优化的求解(BA).

PnP(3D-2D)、ICP(3D-3D)_第4张图片

PnP(3D-2D)、ICP(3D-3D)_第5张图片

 

参考:

https://blog.csdn.net/luohuiwu/article/details/80748213

 

你可能感兴趣的:(求职指南)