#视觉SLAM

关于视觉SLAM中特征点法，光流法和直接法的区别和理解

视觉SLAM中特征点法，光流法，直接法的区别和理解1.特征点法简介：顾名思义，特征点法就是对图像提取特征，对图像特征进行跟踪的过程。
LEAVESJUN·2023-01-02 16:01

对极几何、三角测量、PnP、ICP问题描述

1、求解空间点深度2、求解空间点坐标3D-2D：PnP1、直接线性变换（DLT）2、P3P3、BA3D-3D：ICP1、SVD方法2、非线性优化方法References前言几周前草草看完了高翔老师的《视觉
JSWWSJSWWS·2023-01-02 07:33

SLAM经验分享：少年不惧岁月长

作为一个刚入坑SLAM一年多的初学者，首先想说的就是这个研究方向比较广，大方向按搭载传感器分为激光SLAM和视觉SLAM两种，激光SLAM搭载激光雷达，视觉SLAM搭载单目、双目、RGBD相机三大类。
深蓝学院·2023-01-01 19:16

视觉SLAM十四讲CH7课后习题10_2

转载于：在ceres中实现ICP优化（仅优化位姿）_luo870604851的博客-CSDN博客一.仅优化位姿构造类和代价函数：structICPCeres{ICPCeres(Point3fuvw,Point3fxyz):_uvw(uvw),_xyz(xyz){}//残差的计算template<typenameT>booloperator()(constT*constc...https
长沙有肥鱼·2023-01-01 17:27

《视觉SLAM十四讲 第二版》课后习题

本文为《视觉SLAM十四讲》(第二版)的课后习题解答，为本人学习时参考着网上的资源所写的答案，可能有所纰漏，希望大家指出。
鱼肖浓++·2023-01-01 17:55

《视觉SLAM进阶：从零开始手写VIO》第一讲作业

《视觉SLAM进阶：从零开始手写VIO》第一讲作业文章目录《视觉SLAM进阶：从零开始手写VIO》第一讲作业1.1视觉与IMU融合之后有何优势？1.2有哪些常见的视觉+IMU融合方案？
楚歌again·2023-01-01 17:54

视觉SLAMch7 课后题

课后习题1.除了ORB特征点，还有哪些特征点？说说SIFT与SURF的原理，并对比它们与ORB之间的优势。仅提取关键点：Harris角点、FAST角点、GFTT(goodFeaturesToTrack)角点既有关键点又有描述子：SIFT、SURF、ORB。Harris角点Harris角点检测是一种基于图像灰度的一阶导数矩阵检测方法。检测器的主要思想是局部自相似性/自相关性，即在某个局部窗口内图像块
雨幕丶·2023-01-01 17:22

视觉SLAM十四讲笔记及课后习题 ch1 预备知识

有线性方程Ax=bAx=bAx=b，若已知A，bA，bA，b，需要求解xxx，该如何求解？这对A和bA和bA和b有哪些要求？提示：从AAA的维度和秩角度来分析。求解方法：QR分解LDLT高斯列主元法具体求解过程交给相关库吧，比如Eigen；对A、bA、bA、b有哪些要求？直观理解：当bbb是矩阵AAA各列向量的线性组合时，有解；参考MIT线性代数教程Lecture6向量空间与列向量；有解无解总结：
Go_do·2023-01-01 17:52

深蓝学院视觉slam十四讲第７章作业

目录2.BundleAdjustment2.1文献阅读2.2BAL-dataset3.直接法的BundleAdjustment3.1数学模型3.2实现2.BundleAdjustment2.1文献阅读[1]BillTriggs,PhilipMclauchlan,RichardHartley,AndrewFitzgibbon.BundleAjustment—AModernSynthesis.1.矩阵
Jevin-L·2023-01-01 17:21

视觉SLAM十四讲第二版笔记及课后习题-第一讲

视觉SLAM十四讲笔记及课后习题-第一讲前言写这个博客主要是为了总结一下自己近期学习的一些知识，希望能够理顺一下，可能会包括笔记，代码实践，课后习题，这里面会有一些自己的理解以及从其他博客或者网站中了解到的相关知识
vegatable dog·2023-01-01 17:20

视觉SLAM十四讲作业练习（7）BA

BA后端优化第七次作业的第2题BAL-dataset与书中所给示例代码类似，于是就学习了一下，让我写肯定写不出来。。。整体思路如下：文件结构：.├──bundle_adjustment_ceres.cpp├──bundle_adjustment_g2o.cpp├──cmake│  ├──CeresConfig.cmake.in│  ├──FindBLAS.cmake│  ├──FindCSpars
花舞の街道·2023-01-01 17:49

《视觉SLAM十四讲》第五讲ch5实验错误总结

一、安装OpenCV（书P108页）1、安装依赖项：按照书中代码安装依赖项时，出现三个库报错。查阅资料后，将正确的安装步骤整理如下：打开终端依次输入：sudoapt-getinstallbuild-essentialsudoapt-getinstalllibgtk2.0-devsudoapt-getinstalllibvtk6-devsudoapt-getinstalllibjpeg-devsud
AndyVictory·2023-01-01 09:09

2021年十大开源SLAM算法整理

2021年底盘点：十大最佳开源SLAM算法1.TANDEM该方法由慕尼黑工业大约DanielCremers团队提出来的纯视觉SLAM，该框架在圣诞节前开源。
berry丶·2023-01-01 07:04

[论文阅读]Road Mapping and Localization using Sparse Semantic Visual Features

提出了一个提取、建模优化语义道路元素的视觉SLAM方法，结合深度学习模型提取语义。①一个深度学习
感天动地大白狗·2022-12-31 09:33

SLAM面经整理

6.对于光照明暗变化,动态场景,视觉SLAM如何去解决?7.长廊问题怎么办?8.ORBSLAM初始化步骤?++9.RANSAC的原理?1
每天都在努力学习SLAM的小黑·2022-12-30 21:08

SLAM_视觉SLAM面试题及答案汇总

视差与深度的关系5描述PnP算法6闭环检测常用方法7给一个二值图，求最大连通域8梯度下降法、牛顿法、高斯-牛顿法的区别9推导一下卡尔曼滤波、描述下粒子滤波10如何求解Ax=b的问题11什么是极线约束12单目视觉
惊鸿一博·2022-12-30 21:34

视觉SLAM十四讲学习5 位姿估计（4）PNP方法，DLT，P3P

视觉SLAM十四讲学习5位姿估计（4）PNP方法，DLT，P3P，BA前言PnPDLTP3P后记前言上篇记录了本质矩阵，基础矩阵，单应矩阵的求解。
RuiH.AI·2022-12-30 21:33

非线性优化Ceres的学习和使用（一）

本文参考视觉slam十四讲实现使用Ceres拟合曲线。
火星机器人life·2022-12-30 21:31

第二讲 初识SLAM

ch02初识SLAM经典视觉SLAM框架视觉SLAM流程包括以下步骤:传感器信息读取:在视觉SLAM中主要为相机图像信息的读取和预处理.如果是在机器人中,还可能有码盘、惯性传感器等信息的读取和同步.视觉里程计
oyou-2021·2022-12-30 21:31

自动驾驶/机器人 SLAM算法 面经1

Case1一面项目相关1、简历中的项目相关问题，项目是三维重建相关的，深度学习的深度估计2、具体细节上，网络结构、loss设计、数据、训练泛化效果3、非公共区域如何处理、精度如何保证基础：1、非线性优化2、视觉
Neituijunsir·2022-12-30 21:29

Phillweston 自动驾驶/机器人 SLAM算法 面经

视觉SLAM常见面试题型：SLAM_视觉SLAM面试题及答案汇总_惊鸿一博的博客-CSDN博客_slam面试题视觉SLAM知识篇：视觉SLAM、3Dvision笔试面试问题：经验分享
Phillweston·2022-12-30 21:56

点线特征优缺点对比

点特征优点：1.精度高：当场景包含稳定的特征点时，最先进的视觉SLAM算法[1]、[2]可以产生与激光测距扫描仪精度相当的结果。
王不偏·2022-12-30 19:41

PL-SLAM：通过点和线段组合的立体SLAM系统

AStereoSLAMSystemThroughtheCombinationofPointsandLineSegments（2017）1.引言2.PL-SLAM框架A.地图B.特征跟踪C.局部映射1.关键帧插入2.局部BAD.环路闭合1）视觉位置识别2）估计相对运动1.引言提出了PL-SLAM，这是一种立体视觉
JinLn_·2022-12-30 19:33

《点线SLAM系统》

视觉SLAM是机器人研究中一个重要的领域，它可以让机器人在未知环境中进行定位和地图构建。它的基本原理是通过使用摄像机捕获的图像序列来实时地跟踪机器人的位置和轨迹。
王不偏·2022-12-30 19:01

多视图几何

介绍在视觉slam中，相机位姿估计是重要的环节，其中使用的就是多视图几何模型，本文将简要介绍各种多视图几何模型。
ros漫步·2022-12-30 18:36

视觉SLAM的前段后端最详细的梳理（硕士入门知识框架更新）

文章目录视觉SLAM的组成结构视觉里程计（VO）-特征点法-构建稀疏点云地图-直接法-构建稠密或半稠密的地图--需要使用RGB-D传感器视觉里程计--总结：SLAM后端研究滤波器法非线性优化后端方式的差异
兜兜有糖_DC·2022-12-30 08:19

SLAM中线特征的参数化和求导过程（从前端提取，到后端优化）

背景线特征的提出，是在这样一个大背景下，基于点特征的视觉slam系统，平时没问题，但遇到了缺乏纹理的甚至是完全没有纹理的low-texured场景。可能会失效。
Terrence Shen·2022-12-30 07:42

视觉slam14讲第九章代码阅BA优化g2o部分

#include#include#include#include#include#include#include#include"common.h"#include"sophus/se3.hpp"usingnamespaceSophus;usingnamespaceEigen;usingnamespacestd;///姿态和内参的结构structPoseAndIntrinsics{PoseAndI
Terrence Shen·2022-12-30 07:41

python图像处理笔记-八-针孔照相机模型与照相机标定

参考教材：python计算机视觉编程视觉SLAM十四讲，从理论到实践针孔照相机模型针孔摄像机模型（有时称作摄影照相机模型），是计算机视觉中广泛应用的照相机模型。
BluePing·2022-12-30 05:02

视觉SLAM十四讲学习笔记-第五讲-相机模型

专栏系列文章如下：视觉SLAM十四讲学习笔记-第一讲_goldqiu的博客-CSDN博客视觉SLAM十四讲学习笔记-第二讲-初识SLAM_goldqiu的博客-CSDN博客视觉SLAM十四讲学习笔记-第二讲
goldqiu·2022-12-30 04:31

V-SLAM笔记整理总结

视觉SLAM相机种类：单目（Mono）、双目（Stereo）、深度（RGB-D）、鱼眼全景
程序猴儿·2022-12-27 22:50

【学习记录】Dynaslam源代码魔改-替换MaskRCNN为YoloV5

一、运行DynaslamDynaslam本身是一个基于ORBSLAM2的视觉SLAM框架，论文并没有仔细看过，简单来说就是在ORBSLAM的基础上，加了一动态物体的滤除，这里的滤除使用了两种策略：基于MaskRCNN
林北不要忍了·2022-12-27 20:08

LDSO: Direct Sparse Odometry with Loop Closure（翻译）

准备把高博最新的论文LDSO翻译下来：原文摘要—在本文中，我们提出直接视觉里程计（DSO）[1]到单目视觉SLAM具有闭环检测和姿势图优化的系统（LDSO）。
KL_Li·2022-12-27 20:36

《视觉SLAM十四讲》笔记（ch7）

ch7视觉里程计1本章目标：1.理解图像特征点的意义，并掌握在单副图像中提取出特征点及多副图像中匹配特征点的方法2.理解对极几何的原理，利用对极几何的约束，恢复出图像之间的摄像机的三维运动3.理解PNP问题，以及利用已知三维结构与图像的对应关系求解摄像机的三维运动4.理解ICP问题，以及利用点云的匹配关系求解摄像机的三维运动5.理解如何通过三角化获得二维图像上对应点的三维结构本章目的：基于特征点法
bill_live·2022-12-27 17:49

《视觉SLAM十四讲》-7.2 手写ORB特征

////Createdbyxiangon18-11-25.//#include#include#include#includeusingnamespacestd;//globalvariables定义图片路径全局变量stringfirst_file="./1.png";stringsecond_file="./2.png";//32bitunsignedint,willhave8,8x32=256
BetterTL·2022-12-27 17:19

视觉SLAM ch9 卡尔曼和扩展卡尔曼滤波

状态估计的概率解释：位姿x和路标y服从某种概率分布，目的是通过某些运动数据u（比如惯性测量传感器IMU输入）和观测数据z（比如拍摄到的照片像素点的值）来确定状态量x和y的分布。一、关于卡尔曼滤波器和扩展卡尔曼滤波器的推导有博主写过，过程很详细。(7条消息)SLAM14讲学习笔记（六）后端（最难一章：卡尔曼滤波器推导、理解以及扩展）_zkk9527的博客-CSDN博客_swm恒等式二、关于扩展卡尔曼
雨幕丶·2022-12-27 17:18

视觉SLAM ch5代码总结（三）

RGB-D视觉（1）根据内参计算一对RGB-D图片对应的点云（2）根据每张图的相机位姿（外参）,把点云加起来，组成地图遍历图像的每个像素，并将深度图的深度信息提取出来，将像素点归一化后，乘上深度信息就得到了相机坐标系下的点,最后左乘变换矩阵T(这里的T是相机到世界系的变换)就得到了世界坐标系下的点。1.相机的内外参数相机的内参是fxfycxcy构成的矩阵，单位是像素,fx=f,fy=f内参是不变的
雨幕丶·2022-12-27 17:48

视觉SLAM ch6代码总结

目录一、手写高斯牛顿法二、使用Ceres拟合曲线三、使用g2o进行曲线拟合一、手写高斯牛顿法步骤：1、先根据模型生成x，y的真值，并在真值中添加高斯分布的噪声2、使用高斯牛顿法进行迭代3、求解高斯牛顿法的增量方程增量方程的推到过程图片来源该公式等同于133页6.41式Σ是高斯噪声的方差CMakeLists.txtcmake_minimum_required(VERSION3.0)project(c
雨幕丶·2022-12-27 17:48

视觉SLAM ch8代码总结

目录一、LK光流1.使用LK光流2.使用高斯牛顿实现光流3.多层光流光流法实践总结二、直接法1.单层直接法2.多层稀疏直接法三、课后题一、LK光流1.使用LK光流用OpenCV的光流追踪特征点的运动。第一张图像中提取角点，利用光流追踪角点在第二张图像中的位置。使用cv::calcOpticalFlowPyrLK函数可以得到追踪后的点。voidcv::calcOpticalFlowPyrLK(Inp
雨幕丶·2022-12-27 17:48

视觉SLAM ch5代码总结（一）

CMakeLists.txtcmake_minimum_required(VERSION2.8)project(basics)#Eigeninclude_directories("/usr/include/eigen3")#opencvfind_package(OpenCVREQUIRED)#添加头文件include_directories(${OpenCV_INCLUDE_DIRS})add_e
雨幕丶·2022-12-27 17:18

视觉SLAM ch7 ORB特征点

一、视觉里程计方法：特征点法和光流法。（视觉里程计的核心是如何根据图像估计相机运动）1.1特征点法：提取和匹配特征点，然后根据配对的特征点估计相机的运动。特征点由关键点和描述子组成。关键点是指特征点在图像里的位置，有些特征点还具有朝向、大小信息；描述子通常是一个向量，描述了该关键点周围像素的信息。1.2常用的特征点方法：一、SIFT(尺度不变特征变换)，充分考虑了图像变换过程中出现的光照、尺度、旋
雨幕丶·2022-12-27 17:18

视觉slam十四讲个人理解(ch7视觉里程计1)

参考博文::https://blog.csdn.net/david_han008/article/details/53560736https://blog.csdn.net/n66040927/article/details/79163496?utm_source=blogxgwz3ICP是指，利用点云的匹配关系，来求解相机的三维运动。PNP是利用已知的三维结构与图像的对应关系，来求解相机的三维运
dibuxue3246·2022-12-27 17:46

视觉SLAM ch7代码总结（一）

目录一、OpenCV的ORB特征二、手写ORB特征一、OpenCV的ORB特征1.Keypoint类opencv中Keypoint类的默认构造函数为：CV_WRAPKeyPoint():pt(0,0),size(0),angle(-1),response(0),octave(0),class_id(-1){}pt(x,y):关键点的点坐标，是像素坐标；size():该关键点邻域直径大小；angle
雨幕丶·2022-12-27 16:14

视觉SLAM-13

第十三章稠密地图地图的应用大致可分为：1）定位。2）导航：在这个过程中，需要知道地图中哪些地方可以通过，哪些地方不可通过，而要能实现这样的功能，则至少是稠密地图。3）避障：与导航类似，但更加关注局部的、动态的障碍物的处理，同样也需要至少是稠密的地图。4）重建：利用SLAM获取周围环境的重建效果，主要是用于向他人展示。并且我们对这种地图还有外观要求，所以这样地图也是稠密的。5）交互：主要指人与地图之
xmrmol·2022-12-27 14:36

深蓝学院-视觉SLAM课程-第2讲笔记--三维空间刚体运动

课程Github地址：https://github.com/wrk666/VSLAM-Course/tree/master0.内容C++没有矩阵的运算，用别人的库来进行矩阵运算，其中Eigen库能够进行刚体运动的一些计算，由3部分构成：Core：矩阵的表达；Dense：稠密矩阵的计算，矩阵求逆，稠密矩阵的分解等；Geometry：旋转矩阵，欧拉角，四元数等。1.点与坐标系三维空间常用正交基来表示（
读书健身敲代码·2022-12-27 11:24

【视觉SLAM十四讲】第7讲 视觉里程计1

7.1特征点法前面提到过，SLAM中主要分为前端和后端，前端主要是根据相邻图像的信息，粗略估计相机的运动，从而给后端一个比较好的初始值。前端的实现，根据是否需要提取特征，分为特征点法和直接法。对于特征点法，首先需要的就是定义什么是特征点。图像本身就是一个矩阵，如果直接从矩阵的层面考虑运动的估计，相当于用图像中全部的数据去估计，这样做的运算量必然是很大的。一般我们都会采用选代表的方法，也就是选取图像
林北不要忍了·2022-12-27 10:55

相机标定的作用

详细讲解见《视觉slam十四
Coldor·2022-12-26 17:08

2020视觉SLAM面试复习

主要参考：Jichao_Peng:视觉SLAM总结——视觉SLAM面试题汇总try_again_later:SLAM秋招知识点总结——自动驾驶算法、3D视觉岗位（附有解答）1.Sift中尺度空间、高斯金字塔
月夕花晨KaCa·2022-12-26 17:16

鱼眼相机模型

转自鱼眼相机模型与标定与重映射-EpsAvlc的博客鱼眼相机模型与标定与重映射computer-vision2019年10月21日背景在现有的视觉SLAM框架中，大部分是用针孔相机的图像来进行特征提取与匹配的
Neil_Skype·2022-12-26 13:58

视觉slam基础知识

三维空间中刚体的运动描述方式旋转矩阵、变换矩阵、欧拉角、四元数旋转矩阵空间中两个坐标系之间的旋转运动可由一个正交矩阵（行列式为1）表示，该矩阵称为旋转矩阵R。旋转矩阵的转置（=逆）表示了相反的旋转。变换矩阵空间中任意两个坐标系位置变换可分解为旋转+平移，因此有其中，R12：坐标系2到坐标系1的变换；t12：坐标系1的原点指向坐标系2的原点的向量。变换矩阵T：根据分块矩阵的转置计算T-1欧拉角用3个
好好仔仔·2022-12-25 16:49
上一页 7 8 9 10 11 12 13 14 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他