#视觉SLAM

视觉SLAM十四讲 读书编程笔记 Chapter10 后端1

Chapter10后端1概述概率估计的概率解释线性系统和KF非线性系统和EKFEKF的讨论BA与图优化投影模型与代价函数BA的求解稀疏性和边缘化鲁棒核函数实践：g2o实践：Ceres概述概率估计的概率解释线性系统和KF经典线性卡尔曼滤波的概率推导：非线性系统和EKF对于非线性系统，扩展卡尔曼滤波的推导：EKF的讨论假设了马尔科夫性。EKF由于在局部点处进行泰勒展开，非线性误差是不容忽视的问题。EK
Leo-Ma·2020-07-28 23:51

三维重建7：Visual SLAM算法笔记

此文是一个好的视觉SLAM综述，对视觉SLAM总结比较全面，是SLAM那本书的很好的补充。介绍了基于滤波器的方法、基于前后端的方法、且介绍了几个SensorFusion方法，总结比较全面。
wishchin·2020-07-28 23:00

三维重建：SLAM算法的考题总结

参考文档：视觉slam研究分析的一点认识一、四大简述1、请简单描述您对机器人的SLAM的概念理解？答：机器人需要在自身位置不确定的条件下，在完全未知环境中创建地图,同时利用地图进行自主定位和导航。
wishchin·2020-07-28 23:00

SLAM: 单目视觉SLAM的方案分类《机器人手册》

摘抄知乎上一段有趣的话：如果你出门问别人『学习SLAM需要哪些基础？』之类的问题，一定会有很热心的大哥大姐过来摸摸你的头，肩或者腰（不重要），一脸神秘地从怀里拿出一本比馒头还厚的《MultipleViewGeometry》或《StateEstimationForRobotics》或《AnInvitationto3DComputerVision》塞给你。然后告诉你，只要潜心修炼两年，一定会……扯淡！
wishchin·2020-07-28 23:59

视觉SLAM融合IMU问题研究笔记

前言：视觉SLAM存在输出频率低、旋转运动时、或运动速率加快时定位易失败等问题，而IMU有输出频率高、能输出6DoF测量信息等优点。
all3n531·2020-07-28 23:55

视觉slam 常用核心算法 快速入门

vSLAM常用核心算法快速入门激光雷达RGBD摄像头vSLAMVIO常见的特征点提取算法vSLAM的核心算法SLAM的未来发展趋势激光雷达基于激光雷达的2DSLAM相对成熟，早在2005年，SebastianThrun等人的经典著作《概率机器人学》将2DSLAM研究和总结得非常透彻，基本确定了激光雷达SLAM的框架。目前常用的GridMapping方法也已经有10余年的历史。2016年，Googl
奕鹰S·2020-07-28 23:02

视觉SLAM总结——ORB SLAM2中关键知识点总结

视觉SLAM总结——ORBSLAM2中关键知识点总结视觉SLAM总结——ORBSLAM2中关键知识点总结1.ORBSLAM2的总体框架是怎样的？2.ORBSLAM2是怎样完成初始化的？
Jichao_Peng·2020-07-28 22:16

视觉SLAM14讲笔记02：ch5针孔，双目相机模型

相机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）的过程能够用一个几何模型进行描述。这个模型有很多种，其中最简单的称为针孔模型。针孔模型是很常用，而且有效的模型，它描述了一束光线通过针孔之后，在针孔背面投影成像的关系。在本书中我们用一个简单的针孔相机模型来对这种映射关系进行建模。同时，由于相机镜头上的透镜的存在，会使得光线投影到成像平面的过程中会产生畸变。因此，我们使用针孔和
^鸢飞鱼跃^·2020-07-28 22:11

深蓝学院视觉SLAM第六次习题（下）

2.直接法误差为雅可比矩阵为首先要计算移动过的点的坐标，之后求解雅可比矩阵voidDirectPoseEstimationSingleLayer(constcv::Mat&img1,constcv::Mat&img2,constVecVector2d&px_ref,constvectordepth_ref,Sophus::SE3&T21){//parametersinthalf_patch_siz
小白的进修之路·2020-07-28 22:11

ORB SLAM2学习笔记之mono_kitti（一）

LoadImages函数2.实例化SLAM系统3.循环tracking一、简要说明ORB_SLAM2是由RaulMur-Artal，J.M.M.Montiel和JuanD.Tardos发表的基于ORB特征点检测的视觉
幽冥小龙·2020-07-28 21:29

视觉slam第五讲笔记：相机模型、Opencv、点云处理

视觉slam第五讲笔记视觉SLAM第五讲笔记一.相机模型二.Opencv处理图片三.chrono计时四.拼接点云PCL库参考强烈安利《视觉slam十四讲》，这是极好的一本书视觉SLAM第五讲笔记一.相机模型参照博客
笔还是要动的·2020-07-28 21:32

ORB_SLAM2源码阅读（三）相机定位

上一节的初始化过程后，Tracking需要持续地提供位姿给建图模块，在一般的视觉SLAM中都需要一个运动的先验给特征匹配和估计，imu预积分就是其中一种。
若愚和小巧·2020-07-28 21:18

ORB_SLAM2源码阅读（一）概要

沃镃基硕德在算法领域遨游的这些年，我们的能力、见识都在飞速增长，代码一行行看，博客知乎一篇篇刷，书本一本本买，从最最开始的《C++primer》和《21天精通Python》（黑历史）到后面的《概率机器人》《机器学习》《视觉
若愚和小巧·2020-07-28 21:17

视觉SLAM十四讲学习笔记——第六章 非线性优化

视觉SLAM十四讲学习笔记——第六章非线性优化6.1状态估计问题6.1.1最大后验与最大似然6.1.2最小二乘的引出6.2非线性最小二乘6.2.1一阶和二阶梯度法6.2.2Gauss-Newton6.2.3Levenberg-Marquadt6.1
HIT_NOVA·2020-07-28 20:33

视觉SLAM十四讲学习笔记——第七章 视觉里程计

视觉SLAM十四讲学习笔记——第七章视觉里程计7.1特征点法7.1.1特征点7.1.2ORB特征7.1.37.2实践：特征提取和匹配7.32D-2D:对极几何7.3.1对极约束7.3.2本质矩阵7.3.3
HIT_NOVA·2020-07-28 20:33

视觉SLAM：生成点云部分学习

参考方法为：（1）视觉slam十四讲第5讲，代码见https://github.com/gaoxiang12/slambook(2)高博博客：https://www.cnblogs.com/gaoxiang12
小岛_神酱·2020-07-28 20:51

用Ceres解决最小二乘问题

该代码源于《视觉SLAM十四讲》ceres_curve_fitting/main.cppCeres库用于通用的最小二乘问题求解；我们需要做的就是定义优化问题，设置选项，输入近Ceres求解即可。
F-study·2020-07-28 20:09

5张RGB/深度图实现点云拼接

该代码源于《视觉SLAM十四讲》joinMap.cpp（拼接点云）主要操作有该页代码用于日后查找方便（添加了部分笔记）执行时先进入build文件夹对源码进行编译编译出的可执行文件可拷贝到pose.txt
F-study·2020-07-28 20:09

97项开源视觉SLAM方案（一）

原文链接：https://zhuanlan.zhihu.com/p/115599978未经作者允许，禁止二次转载微信扫码，回复：开源SLAM，即可获取全文文档（共97个方案，本文22个）本文简单将各种方案分为以下7类（固然有不少文章无法恰当分类，比如动态语义稠密建图的VISLAM+_+）：GeometricSLAMSemantic/DeepSLAMMulti-Landmarks/ObjectSLA
不爱玩的小玩家·2020-07-28 20:09

高鲁棒性、高精度、实时性视觉SLAM系统研究

一、课题来源、目的及意义近年来，智能机器人领域得到了世界各地研究者的关注，并将研究成果运用于制造业、农业、医疗、交通、服务、物流等行业。自主导航机器人是智能机器人的主要组成部分，机器人的自主导航与三个关键性技术密不可分：定位，建图，和导航。定位是指确定机器人在当前环境中的位姿，建图是指将观测得到的局部地图整合到全局一致的地图中，路径规划确定了进行导航的最佳路线。定位与建图看起来是独立的，但是实际上
WENQIANG_LI_hust·2020-07-28 20:55

笔记与总结：高翔《视觉SLAM十四讲》第一讲

高博和张老师的这本大作，我看了两遍，回过头来，却没有多深刻的印象。只是在大脑皮层的表面的表面，泼了一盆水，噢，不，是两盆，然后，可能也因为深圳的炎热天气，所以凉水干的快，水印都没留下多少。所以呢，深刻认识到时常回顾学习的重要性，因此，从头再次梳理知识，也算是做个交代，期望在较短的时间内能把之前泼出去的水，再回收回来一点点。OK，我想把这本书上我做的所有笔记，在此做个电子版存档吧。哇哦，神圣的工程量
辣屁小心·2020-07-28 20:22

ORBSLAM2理论与实战（6） 相机硬件选型

由于研究视觉slam，对于传感器选择相机为主，可能需要IMU单目：优势：成本低，搭建简单劣势：1)需要专门初始化2)尺度问题在单张图片里，无法确定一个物体的真实大小。
vSLAM算法攻城狮·2020-07-28 20:08

视觉slam 总结

作者：吴佳田链接：https://www.zhihu.com/question/51045335/answer/340167377来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。总结一下我接触过的SLAM算法吧，主要集中在visualslam：特征法:ORBSLAMhttps://github.com/raulmur/ORB_SLAM2优势:在静态环境下定位准确，稳定
vSLAM算法攻城狮·2020-07-28 20:07

视觉slam爬坑——高翔深蓝学院——第四讲——相机模型

（1）本节内容1、针孔相机模型2、误差来源——畸变3、双目相机模型（2）需要的基础知识单独成章节，不需要太多基础（3）开发环境编译平台：ubuntu16.04，编译软件：IDE：Clion编译器：Cmake语言标准：C++11（4）学习内容1、针孔相机模型小孔模型能够把三维世界中的物体投影到一个二维成像平面。同理，可以用这个简单的模型来解释相机的成像模型。对这个简单的针孔模型进行几何建模。设O−x
MatLink·2020-07-28 20:06

视觉slam爬坑——高翔深蓝学院——第一讲

现在关于slam相关的学习很火，尤其是有了高翔大佬的视觉slam十四讲之后，使得普通学生入门有了系统性的方案和了解，为学生造福了，以后的学习会围绕着高博和高博的视觉slam十四讲展开，每次学完一讲内容都会巩固
MatLink·2020-07-28 20:34

关于高博视觉slam十四讲第5讲中PCL编译的问题

ubuntu16.04使用aptinstall安装的pcl在编译joinMap过程中，会出现一个bug，编译失败。--FoundOpenNI2:/usr/lib/libOpenNI2.so**WARNING**iofeaturesrelatedtopcapwillbedisabled**WARNING**iofeaturesrelatedtopngwillbedisabled--Theimport
xiaoshuiyisheng·2020-07-28 20:25

关于特征点法、直接法、光流法slam的对比

计算最小光度误差来优化R,t，流程大致如下：光流法：基于灰度不变假设，把特征点法中的描述子和匹配换成了光流跟踪，之后求解R，t的过程是一样的，流程大致如下：那么这三种方法的优缺点各是什么呢，近期在学了视觉
weixin_38203573·2020-07-28 20:14

SLAM入门之视觉里程计(1)：特征点的匹配

图像特征点的提取和匹配是计算机视觉中的一个基本问题，在视觉SLAM中就需要首先找到相邻图像对应点的组合，根据这些匹配的点对计
weixin_33860553·2020-07-28 18:09

SLAM学习笔记（一）

（源自：视觉SLAM十四讲）我想这官话听起来拗口，让人感觉云里雾里的，所以我找了一个形象的例子来帮助大家理解。相信不少朋友家都有扫地机器人吧，要知道市面上的大部分扫地机器
liangxiaopan·2020-07-28 17:19

视觉SLAM之词袋（bag of words） 模型与K-means聚类算法浅析（1）

在目前实际的视觉SLAM中，闭环检测多采用DBOW2模型https://github.com/dorian3d/DBoW2，而bagofwords又运用了数据挖掘的K-means聚类算法，笔者只通过bagofwords
weixin_30950607·2020-07-28 17:13

视觉SLAM中涉及的各种坐标系转换总结

世界坐标Pw、相机坐标Pc=[x,y,z]T、归一化相机坐标Pc'（X，Y，Z在归一化平面Z=1上的投影）、像素坐标Puv1）Pc=RPw+t或者Pc=Tcw*Pw2）Pw=RPc+t或者Pw=TwcPc注意：1）和2）的R，t是不相等的，1）表示的是由世界坐标系到相机坐标系的转换关系，而2）是由相机坐标系到世界坐标系的转换关系3）Pc'=[X/Z,Y/Z,1]T4）Puv=1⁄d*KPc'其中K
weixin_30764137·2020-07-28 17:01

《视觉slam十四讲》之第6讲－非线性优化

最小二乘法的导出最小二乘法可以由最大似然估计进行导出最大似然函数相机的经典SLAM模型第一个为运动方程，第二个为观测方程。wk;vk;j噪声项，假设服从零均值的高斯分布：我们说，对机器人状态的估计，就是求已知输入数据u和观测数据z的条件下，计算状态x的条件概率分布：当我们没有测量运动的传感器，只有一张张的图像时，即只考虑观测方程带来的数据时，相当于估计P(xjz)的条件概率分布。根据贝叶斯法则可知
weixin_30699465·2020-07-28 16:32

单目、双目和RGB-D视觉SLAM初始化比较

无论单目、双目还是RGB-D，首先是将从摄像头或者数据集中读入的图像封装成Frame类型对象：首先都需要将彩色图像处理成灰度图像，继而将图片封装成帧。(1)单目mCurrentFrame=Frame(mImGray,timestamp,mpIniORBextractor,mpORBextractor,mpORBVocabulary,mK,mDistCoef,mbf,mThDepth);下面详细介绍
weixin_30498807·2020-07-28 16:04

视觉slam闭环检测之-DBoW2 -视觉词袋构建

需要准备的知识点：http://www.cnblogs.com/zjiaxing/p/5616653.htmlhttp://www.cnblogs.com/zjiaxing/p/5616664.htmlhttp://www.cnblogs.com/zjiaxing/p/5616670.htmlhttp://www.cnblogs.com/zjiaxing/p/5616679.html#includ
weixin_30443895·2020-07-28 16:38

视觉SLAM漫淡

视觉SLAM漫谈1.前言开始做SLAM（机器人同时定位与建图）研究已经近一年了。从一年级开始对这个方向产生兴趣，到现在为止，也算是对这个领域有了大致的了解。然而越了解，越觉得这个方向难度很大。
weixin_30376509·2020-07-28 16:32

（专题一）视觉SLAM十四讲入门以及程序复现

本帖旨在记录一下学习高博《视觉SLAM》十四讲中的一些心得，尤其是复现代码的填坑过程记录。作者水平十分有限，仅仅分享一下复现代码、跑代码中遇到的问题以及解决办法，分享一些代码理解。
wbzhang233·2020-07-28 15:44

视觉里程计：特征点法之全面梳理

根据VO是否需要提取特征点，VO的具体实现方法可以分为基于特征点法的VO和直接法VO（高翔《视觉SLAM十四讲》）。
wb790238030·2020-07-28 15:11

视觉SLAM常见的QR分解SVD分解等矩阵分解方式求解满秩和亏秩最小二乘问题（最全的方法分析总结）

关于这个问题的内容比较多，也整理了相当一段时间，在写内容之前，我需要引用一些牛人的名人名言，以壮士气。（1）故不积跬步，无以至千里；不积小流，无以成江海-荀子（2）只收藏，不点赞的同学，人心都是肉长的。。。地主家也没有余粮啊。。。我想说的是。。。不赞不是好码农-马克.wangshuai（纯粹copy）内容一首先直接给出AX=B解的情况：（1）R(A)r(A|B),这种情况不存在其中r()代表矩阵的
五行缺帅wangshuailpp·2020-07-28 15:03

使用RGBD数据集进行点云绘制

本文接上文视觉SLAM14讲使用第八章深度图片进行点云图绘制https://blog.csdn.net/unlimitedai/article/details/86556508下载数据集为：https:
Eminbogen·2020-07-28 15:07

3D-2D：PnP算法原理

2.PnP问题的求解方法2.1P3P2.1.1算法的实际理解2.1.2算法的数学推导2.1.3算法的缺陷2.2直接线性变换(DLT)3.实验代码根据高博士的《视觉SLAM十四讲》内容和相关博客的内容，对
Andy是个男子名·2020-07-28 15:12

手把手讲解在ubuntu16.04安装视觉SLAM14讲中的全部第三方库

三维空间刚体运动（g++，cmake，pangolin）三、李群和李代数（Sophus）四、相机和图像（OpenCV3，PCL）五、非线性优化（Ceres，g2o）六、回环检测（DBow3）本教程按照视觉
丁小伦·2020-07-28 14:45

SLAM综述(2)-视觉SLAM

SLAM包含了两个主要的任务：定位与构图，在移动机器人或者自动驾驶中，这是一个十分重要的问题：机器人要精确的移动，就必须要有一个环境的地图，那么要构建环境的地图就需要知道机器人的位置。本系列文章主要分成四个部分：在第一部分中，将介绍LidarSLAM，包括Lidar传感器，开源LidarSLAM系统，Lidar中的深度学习以及挑战和未来。第二部分重点介绍了VisualSLAM，包括相机传感器，不同
Being_young·2020-07-28 14:11

相机模型（转自高翔博士视觉SLAM十四讲）

图片剪切自：高翔-视觉SLAM十四讲设每个像素的物理尺寸大小为dx*dy(mm)(由于单个像素点投影在图像平面上是矩形而不是正方形，因此可能dx!
Researcher-Du·2020-07-28 13:23

解读《视觉SLAM十四讲》，带你一步一步入门视觉SLAM—— 第 10 讲 后端1

从这一讲开始我们要开始学习SLAM的后端，前面我们学习了视觉里程计（VO），通过视觉里程计，我们可以构建一个短时间内效果还不错的轨迹和地图，但是长时间的误差的累计，还是会迅速的降低我们的轨迹和地图的精度，所以维护一个更大的地图和轨迹，使其达到最优状态，在实际中还是非常需要的。而这项任务的完成就离不开——后端。概述状态估计和概率解释我们再来看一下SLAM过程的运动方程和观测方程：{xk=f(xk−1
一点儿也不萌的萌萌·2020-07-28 13:12

《视觉SLAM十四讲精品总结》5：VO——ORB特征提取和匹配

一、简介视觉里程计法：提取、匹配图像特征点，然后估计两帧之间的相机运动，给后端提供较好的初始值。角点的局限：例如：从远处上看上去是角点的地方，当相机走近后，可能就是角点了。或者，当旋转相机的时候，角点的外观会发生变换。进而，我们提出了SIFT,SURF,ORB特征。特征点由提取关键点和计算描述子两部分组成。关键点：该特征点在图像的位置，具有朝向、大小的信息。描述子：描述关键点周围像素信息的向量。S
try_again_later·2020-07-28 12:18

《视觉SLAM十四讲精品总结》3：OpenCV 与点云图

一、OpenCV图像灰度图中，用0-255的整数表示灰度大小，一张宽度为640像素，高度为480像素分辨率的灰度图表示为：unsignedcharimage[480][640]二维数组，先行后列访问图像中某个像素，需要指明他的坐标，灰度值I(x,y)的读数unsignedcharpixel=image[y][x]遍历图像：for(inty=0;y(y);//data_ptr指向待访问的像素数据un
try_again_later·2020-07-28 12:18

视觉SLAM的基础概念

Sensordataprocess-----》Visualodometry----》backend（optimization）---》Mapping---》loopclosuredetection当前研究状态是视觉
stevedish_xiaojia·2020-07-28 11:20

视觉SLAM十四讲学习笔记（一）基本框架

使用的传感器：内在（感受机器人本体信息）：加速度计、陀螺仪、轮式编码器外在（感受外界信息）：相机、激光对于视觉SLAM而言，主流方法使用三种相机：单目相机：无深度，深度需要其他手段估计，估计出来的深度具有尺度不确定性
奥本小白·2020-07-28 11:19

视觉SLAM十四讲学习笔记（二）Cmake Practice

一、cmake构建helloworld1、生成在t1/main.c中写入#includeintmain(){printf("HelloWorldfromt1Main!\n");return0;}在t1/CMakeLists.txt中写入PROJECT(HELLO)SET(SRC_LISTmain.c)MESSAGE(STATUS"ThisisBINARYdir"${HELLO_BINARY_DIR
奥本小白·2020-07-28 11:19

视觉SLAM十四讲学习笔记（四）李群和李代数

一、李群李群，即具有连续光滑性质的群。前面提到过，旋转矩阵R和变换矩阵T分别定义于特殊正交群SO(3)和特殊欧式群SE(3)SO(3)和SE(3)对矩阵乘法构成群，但对加法不构成群，所以很难对其进行取极限，求导等操作。于是引出了与李群对应的李代数。二、李代数李代数是与李群对应的一种结构，位于向量空间。SO(3)和SE(3)对应的李代数分别表示为so(3)和se(3)。从SO(3)和SE(3)到so
奥本小白·2020-07-28 11:19
上一页 23 24 25 26 27 28 29 30 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他