#视觉SLAM 第13页

Semantic Visual Simultaneous Localization and Mapping A Survey

基于视觉传感器的SLAM，又称视觉SLAM（visualSLAM），因其硬件成本低、小场景精度高、能获取丰富的环境信息等优点，近年来成为热门的研究方向。VSLAM的缺点也很明显。

理工CV·2022-12-16 15:24

视觉SLAM十四讲学习笔记——第八讲视觉里程计（3）

前文提到的特征点法基本过程为：（1）提取关键点并计算描述子，得到特征点后进行两幅图像间的匹配。（2）构建最小二乘问题：最小化重投影误差（图像平面上或者世界坐标系下）。（3）迭代优化求出最优解，确定摄像机运动参数。上述过程中，特征点的提取最为耗时，因为要遍历整场图像并计算描述子。因此这一章引出了光流法和直接法，二者都是基于“最小光度误差”进行求解，但解决问题的方法不同：光流法：本质上是替代图像间特征

晒月光12138·2022-12-16 00:20

视觉SLAM十四讲——第三讲

1.向量是空间中的一个固定东西，在各坐标系下的坐标与其基的乘积是一样的。2.向量的外积可以写成矩阵（将第一个向量转换为反对称矩阵）与向量的乘积，化成线性运算。3.旋转矩阵是行列式为1的正交矩阵，其逆表示相反的旋转运动。4.注意平移的表示：在不同的坐标系下的平移不是简单的添加符号，.5.旋转矩阵和旋转向量紧凑，但有奇异性，因此四元数更好。6.欧拉角形象易懂，但有万向锁现象，一般仅用来人机互动，方便形

weixin_44724806·2022-12-16 00:19

slam入门——十四讲笔记（一）

文章目录第1讲预备知识第1部分数学基础第2讲初识SLAM2.1引子：小萝卜的例子2.2经典视觉SLAM框架2.3SLAM问题的数学表述2.4实践：编程基础1.安装Linux操作系统2.使用cmake3.

Undergoer_TW·2022-12-16 00:46

视觉SLAM十四讲源码的正确打开方式：第1讲预备知识

当你下定决心开始学习SLAM时，看到《视觉SLAM十四讲》的你是否欣喜若狂？当你学完理论知识准备在实践章节大显身手时，发现源码完全不会跑的你又是否一脸懵逼？不要怕！

正在刷夜的李哈哈·2022-12-16 00:41

视觉SLAM十四讲——CMakeLists.txt语句规范

#声明cmake最低版本要求cmake_minimum_required(VERSION2.8)#声明工程project(test)#设置编译模式set(CMAKE_DEBUG_TYPE"Debug")#设置C++11标准set(CMAKE_CXX_FLAGS"-std=c++11")#添加可执行程序add_executable(testtest.cpp)#添加自己的库add_library(库名

邱丽明·2022-12-16 00:35

ubuntu下opencv3和opencv2共存

最近高翔大神写的《视觉SLAM十四讲》到了，重新回顾，受益匪浅。不管是不是专注于视觉slam，都值得一看。

春哥一号·2022-12-14 20:55

矩阵求导公式大全_视觉slam | 李群和李代数特征正交群 SO(3)与特殊欧式群SE(3) 推导、映射、BCH求导...

目的旋转矩阵无法直接加该变量，加过之后无法继续满足性质：需要对R（旋转量）求导做优化->如何对带有约束的旋转量求导概念向量与矩阵转换：群：群（Group）是一种集合加上一种运算的代数结构。我们把集合记作A，运算记作·，那么群可以记作G=(A，·)。群要求这个运算满足：封闭性、结合律、幺元、逆。李群(liegroup):指具有连续（光滑）性质的群，是群也是流形。刚体可以在空间中连续运动，故SO(3)

weixin_39606048·2022-12-14 19:09

半闲居士视觉SLAM十四讲笔记（4）李群与李代数 - part 2 指数与对数映射、李代数求导与扰动模型

71087919作者：宋洋鹏（youngpan1101）邮箱：[email protected]该讲详细资料下载链接【BaiduYun】【Video】【Code】若您觉得本博文对您有帮助，请支持高博的新书《视觉

youngpan1101·2022-12-14 19:09

视觉SLAM十四讲学习笔记-第四讲-李代数求导与扰动模型

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·2022-12-14 19:38

使用Sophus练习李群SO3、SE3以及对应的李代数so3、se3

这是高博《视觉SLAM14讲，从理论到实践》第4章的练习。

weixin_30345055·2022-12-14 19:08

ORB-SLAM2环境配置与运行

1.简介ORB-SLAM是西班牙Zaragoza大学的RaulMur-Artal编写的视觉SLAM系统。

臭皮匠-WW·2022-12-14 17:21

MapNet：Geometry-Aware Learning of Maps for Camera Localization相机定位的几何感知学习地图

摘要地图是基于图像的相机定位和视觉SLAM系统的关键组成部分。本文MapNet除了图像之外还利用廉价且无处不在的感官输入，如视觉里程计和GPS，并将它们融合在一起以进行相机定位。

_GE·2022-12-14 14:01

深度相机使用对比：Gemini Pro与RealSense D435i

文章目录前言一、参数对比二、环境配置三、实际使用效果图像读取视觉slam效果对比总结前言为了开展视觉slam相关项目，最近找了几款不同的深度相机进行测试，本次主要讲一下奥比中光的GeminiPro相机与

Errorbot·2022-12-13 20:30

《视觉slam十四讲》之第５讲－单目相机模型

单目相机模型相机将三维世界中的坐标点（单位为米）映射到二维图像平面（单位为像素）的过程1.1针孔相机模型几种坐标系世界坐标系Pw，单位是m相机坐标系Pc，单位是m像素坐标系Puv，单位是像素相机坐标系的原点为相机的光心，x轴指向右方，y轴指向下方，z轴指向前方。像素坐标系的原点为图像的左上角，u轴指向右方，y轴指向下方。注：opencv中的图像坐标系和这个像素坐标系是一样的。相机坐标系与像素坐标系

weixin_30340617·2022-12-11 20:03

SLAM荟萃（1）相机内参、外参、畸变参数及其运用：深度图与彩色图配准

这个系列主要记录一下学习高翔博士《视觉SLAM十四讲》时仔细思考了一些时间的内容和值得总结的东西，强烈推荐大家买这本书实体书，不管是学习SLAM还是工作用处都很大，并且看完一遍后并用于实践中再回顾书中的内容

温带海洋·2022-12-11 20:00

Ubuntu18.04 安装pcl碰到的问题及解决

目录问题描述：问题一：问题二：问题描述：在学习高翔老师的视觉slam十四讲的第五讲时，要构建一个点云图。但是书中并没有具体描述怎么安装pcl的依赖包，在安装过程中，我碰到了几个问题。

qin__han·2022-12-11 18:12

《SLAM十四讲》slambook2 遇到的坑（持续更新ing）

《SLAM十四讲》slambook2遇到的坑ch501安装opencv时，正常安装后便可以使用，注意检查CmakeLists.txt文件有没有搜索包含opencv库02问题：在编译高博的视觉SLAM十四讲第

WoooChi·2022-12-11 18:12

《视觉SLAM十四讲》编译报错问题汇总 Ubuntu20.04

和我之前安装的主要区别：之前用的是非虚拟机还装了ros的ubuntu20，现在裸ubuntu20.视觉SLAM十四讲slambook2示例代码所有依赖库的编

秦伟H·2022-12-11 18:11

视觉SLAM笔记一之经典框架解读：视觉里程估计、后端优化、回环检测、建图

经典视觉SLAM框架参考：视觉SLAM十四讲1.视觉里程计(VO)VO能够通过相邻帧间的图像估计相机运动，并恢复场景的空间结构。

明月醉窗台·2022-12-10 16:34

视觉SLAM十四讲学习笔记——第十一讲回环检测

在已经了解的内容中，前端提供特征点的、轨迹、地图的初始值，后端负责对这些数据进行优化。但整个过程中仍会不可避免地出现累计误差，长期结果将不可靠。但是我们可以通过回环检测给出相隔时间更久远的约束，有效地消除累计误差，提高系统稳定性。实现回环检测的关键：如何有效检测出相机经过了同一个地方。这里主要介绍了“词袋模型”，也就是用图像特征描述图像，在确定词库的内容和顺序后，用一个向量描述一幅图像。实现过程中

晒月光12138·2022-12-10 16:03

【视觉SLAM十四讲】第12讲回环检测

12.1回环检测概述前面已经介绍过了前端和后端，前端用于特征点的提取以及轨迹、地图的初始值，而后端负责对这部分数据进行优化。考虑到误差的存在，每一个时刻存在的误差会不断累积，从而产生累积误差的问题，使得长期的估计结果不可靠，或者说无法得到一个全局一致的轨迹和地图。虽然后端能够估计最大后验误差，但所谓“好模型架不住烂数据”，只有相邻关键帧数据时，我们能做的事情并不很多，也无从消除累积误差。但是，回环

林北不要忍了·2022-12-10 16:02

视觉SLAM⑪----回环检测

目录11.0本章目标11.1概述11.1.1回环检测的意义11.1.2回环检测的方法11.1.3准确率和召回率11.2词袋模型11.3字典11.3.1字典的结构11.3.2创建字典11.4相似度计算11.4.1理论部分11.4.2相似度的计算11.5实验分析与评述11.5.1增加字典规模11.5.2相似性评分的处理11.5.3关键帧的处理11.5.4检测之后的验证11.5.5与机器学习的关系11.

Courage2022·2022-12-10 16:27

SLAM | 视觉SLAM中的前端：视觉里程计与回环检测

如果传感器主要为相机，那么就称为视觉SLAM（VSLAM）。SLAM技术已经

AI算法修炼营·2022-12-10 16:27

视觉SLAM-回环检测

这是课上做的一个pre，大家可以看看帮助理解，有问题或者写的不对的可以提出。目录前言一、SLAM问题（SLAMProblem)二、回环检测（LoopClosing)三、为什么要回环检测（WhyLoopClosing）四、回环检测方法（LoopClosingMethod）五、词袋模型Bag-of-Words(BoW)六、字典（Dictionary）七、相似度计算（SimilarityCalculat

chenxinyun921·2022-12-10 16:49

视觉SLAM回环检测、词袋模型和视觉位置识别--论文记录和实验简析

一、传统方法部分（词袋模型，bagofwords，BoW）1.预先在环境中采集足够多的图像或者所有位置的图像（成千上万张图片）之后构建视觉词汇表参考论文：2012年的TRO顶刊Gálvez-LópezD,TardosJD.Bagsofbinarywordsforfastplacerecognitioninimagesequences[J].IEEETransactionsonRobotics,20

Robot-G·2022-12-10 16:46

计算机视觉--回环检测篇01

LoopclosuredetectionusingsupervisedandunsuperviseddeepneuralnetworksformonocularSLAMsystems关键字：回环检测、视觉

Math麦斯·2022-12-10 16:14

OmniSLAM：多鱼眼相机的SLAM系统

作者|dianyunPCL编辑|点云PCL点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【SLAM】技术交流群后台回复【SLAM综述】获取视觉SLAM、激光SLAM

自动驾驶之心·2022-12-10 14:13

高翔《视觉SLAM十四讲》第8讲ch8视觉里程计2实践代码报错解决方法-不用安装opencv4

一、终端报错在运行14讲第二版的第8讲的程序时，出现了以下错误：原因是parallel_for_函数出现错误，这是因为opencv3不支持std::bind函数，作者写书的时候忘提这件事了，后来在勘误里加上了，可以自己安装opencv4，或者自行改写下parallel_for_函数。(高翔回答https://github.com/gaoxiang12/slambook2/issues/57)二、解

车你回家·2022-12-10 11:29

《视觉SLAM十四讲》第六讲g2o曲线拟合报错解决办法

一、报错信息：/home/xxx/slambook/ch6/g2o_curve_fitting/main.cpp:Infunction‘intmain(int,char**)’:/home/xxx/slambook/ch6/g2o_curve_fitting/main.cpp:77:49:error:nomatchingfunctionforcallto‘g2o::BlockSolver>::Bl

旅行的犀牛·2022-12-10 10:23

视觉SLAM十四讲CH9代码解析及课后习题详解

关于书中的卡尔曼滤波感觉特别难，看不懂到底在说些什么，只知道在SLAM中用的比较多，具体讲的通俗点的可以看下面的博客，但是感觉还是很难懂。https://www.bzarg.com/p/how-a-kalman-filter-works-in-pictures/https://www.bzarg.com/p/how-a-kalman-filter-works-in-pictures/一：点云查看工

长沙有肥鱼·2022-12-10 10:22

视觉SLAM十四讲学习记录第六讲

之前第五讲的地址第六讲非线性优化在前面几讲，我们介绍了经典SLAM模型的运动方程和观测方程。现在我们已经知道，方程中的位姿可以由变换矩阵来描述，然后用李代数进行优化。观测方程由相机成像模型给出，其中内参是随相机固定的，而外参则是相机的位姿。于是，我们已经弄清了经典SLAM模型在视觉情况下的具体表达。然而，由于噪声的存在，运动方程和观测方程的等式必定不是精确成立的。尽管相机可以非常好地符合针

码农的快乐生活·2022-12-10 10:51

【读书笔记】《视觉SLAM十四讲（高翔著）》第5讲

文章目录PART1读书笔记PART2实践部分PART1读书笔记PART2实践部分5.3实践：图像的存取与访问书p955.3.1安装OpenCV按照书上流程安装即可。5.3.2操作OpenCV图像此处按照书p96页大致讲述例程代码：2行：计时程序相关；56行：OpenCV相关；10-18行：读取图像并判断是否正确读取；21行：输出图像的宽高通道数信息；22行：显示图像；23行：程序暂停，对着已打开的

←海螺1996→·2022-12-10 10:51

视觉SLAM十四讲 ch4 trajectoryError.cpp报错问题和解决

首先来看一下我的CMakelist文件：cmake_minimum_required(VERSION3.0)project(trajectoryError)#在cmake脚本中，设置编译选项可以通过add_compile_options命令，也可以通过set命令修改CMAKE_CXX_FLAGS或CMAKE_C_FLAGS。#add_compile_options(-std=c++11)#这句话的

革Mean君·2022-12-10 10:51

视觉SLAM十四讲第1-2讲初识SLAM

视觉SLAM十四讲第1-2讲初识SLAM1.slam是什么2.SLAM基本模块3.相机的种类4.视觉slam基本流程5.非/线性系统、非/高斯系统6.CMake1.slam是什么定义：SLAM是SimultaneousLocalizationAndMapping

CSSDCC·2022-12-10 10:50

什么是Cmake和Makefile？

目录1.前言2.什么是Makefile3.什么是Cmake4.Cmake的语法规则1.前言在学习视觉SLAM十四讲的时候，对这个Cmake的概念不太清楚（笔者是机械方向转到SLAM这个方向的），在看了很多大神的讲解后

星野黎明·2022-12-10 08:13

【自动驾驶】常见位姿估计算法的比较：三角测量、PNP、ICP、

请参考【位姿估计|视觉SLAM|笔记】常见位姿估计算法的比较PnP（Perspective-n-Point）是根据图像中1.特征点的二维像素坐标2.特征点的三维空间坐标来估计相机在参考坐标系中位姿。

Mister Zhu·2022-12-09 19:38

PnP算法初步

PnP的应用范围很广比如两阶段法的6D姿态估计以及视觉SLAM等等。特征点的3D位置可以由三角化或者RGB-D相机的深度图确定，当然还

HIT-LQM·2022-12-09 19:06

多传感器融合SLAM：激光雷达、RGB相机、IMU定位与光度重建

作者|流川峰编辑|深蓝前沿点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【SLAM】技术交流群后台回复【SLAM综述】获取视觉SLAM、激光SLAM、RGBD-SLAM

自动驾驶之心·2022-12-09 08:21

VDO-SLAM ：一种动态目标感知的视觉SLAM系统

VDO-SLAM：一种动态目标感知的视觉SLAM系统（VDO-SLAM：AVisualDynamicObject-awareSLAMSystem）论文地址：https://arxiv.org/pdf/2005.11052v2

计算机视觉life·2022-12-09 07:37

chatGPT写的一篇动态环境下的视觉slam论文

今天尝试了一下chatGPT，虽然没有什么创新点，但是对各种概念的描写还是没问题的。Title:VisualSLAMinDynamicEnvironmentsAbstract:Simultaneouslocalizationandmapping(SLAM)usingvisualinformationhasbecomeanimportanttopicinroboticsandcomputervisi

VoladorL·2022-12-09 07:35

ORB-SLAM2 安装和编译及BUG解决方案

ORB-SLAM2的安装和编译ORB-SLAM2是一个非常经典的视觉SLAM开源方案，可以作为你学习SLAM的范本。

kakelu·2022-12-09 01:10

视觉SLAM十四讲学习笔记——ch10 后端2

文章目录10.1理论部分10.2实践部分10.2.1李代数上的位姿图优化10.2.2g2o原声位姿图优化调试遇到问题bug参考博客10.1理论部分推荐参考博文推导:SLAM十四讲-后端2-ch10-代码注释(位姿图优化)SLAM14讲学习笔记（七）后端（BA与图优化，PoseGraph优化的理论与公式详解、因子图优化）10.2实践部分10.2.1李代数上的位姿图优化代码及详细注释如下:#inclu

路拾遗37·2022-12-08 15:40

激光slam 理论详解(一)

激光slam简要介绍主流的slam技术应用有两种，分别是激光slam(基于激光雷达lidar来建图导航)和视觉slam(vslam,基于单/双目摄像头

#君君#·2022-12-08 11:56

视觉SLAM总结——SuperPoint / SuperGlue

视觉SLAM总结——SuperPoint/SuperGlue视觉SLAM总结——SuperPoint/SuperGlue1.SuperPoint1.1网络结构1.2损失函数1.3自监督训练过程2.SuperGlue2.1Sinkhorn

Leo-Peng·2022-12-08 09:04

视觉理程计

slam中以位姿就是在某一个地方看到了一个路标（landmark）得到观测数据来描述slam过程路标是三维空间中固定不变的点，能够在特定位姿下观测到数量充足，以实现良好的定位较好的区分性，以实现数据关联在视觉

wangqy3811457·2022-12-08 07:13

【数学与算法】非线性最小二乘法的解法【最速梯度下降法】、【牛顿法】、【高斯牛顿法】、【LM算法】

Mister Zhu·2022-12-08 07:12

【动态SLAM】快速入门（原理介绍及经典算法）

【动态SLAM】快速入门（原理介绍及经典算法）0简介1.传统视觉SLAM技术的局限2.常用算法：2.1基于深度学习的分割方法2.1.1目标检测（ObjectDetection）2.1.2语义分割（INstanceSegmentation

Mr.Qin_·2022-12-08 01:59

SLAM学习--常用数据集

下面列举几个视觉SLAM常用的数据集。

Robot-G·2022-12-08 01:27

推荐频道

#视觉SLAM