#视觉SLAM

视觉SLAM十四讲学习笔记（三）三维空间中的刚体运动

一、点与坐标系内积外积二、旋转矩阵三维旋转矩阵R为行列式为1的正交矩阵，定义为特殊正交群三维变换矩阵T定义为特殊欧式群逆矩阵为一个反向的变换三、旋转的表示1、旋转向量（轴/角）只有三个自由度，旋转轴为n，角度为，则对应的旋转向量为。罗德里格斯公式：旋转矩阵转轴角2、欧拉角将旋转分为三个方向上的运动，根据绕固定轴还是绕旋转之后的轴，绕轴的先后次序不同，有多种表达方式，常见的是“偏航-俯仰-滚转（ya
奥本小白·2020-07-28 11:19

《视觉SLAM-非线性优化与g2o-高翔》笔记

《视觉SLAM-非线性优化与g2o-高翔》笔记本文是观看视频《视觉SLAM-非线性优化与g2o-高翔》整理的笔记。
sixgod2012·2020-07-28 11:49

orb SLAM：orb方法在实时定位与地图重建中的应用

orb是图像特征点匹配和描述的一种方法，因为具有旋转不变性，并且检测和匹配特征点的速度很快，较好的满足了实时性，因而在视觉SLAM（及时定位与地图重建）中大受欢迎。
Li03·2020-07-28 11:06

视觉SLAM十四讲调试

视觉SLMA十四讲g2o调试问题使用Ubuntu16.04，实践高博的书及代码。第10章，实践g2o时遇到问题：errorwhileloadingsharedlibraries:libg2o_core.so:cannotopensharedobjectfile:Nosuchfileordirectory解决方法受到【SLAM】安装g2o_viewer-JingeTU-博客园的启示。第13章，实践八
昕晛·2020-07-28 11:01

三维重建笔记_SLAM简介

3VisualSLAM3.1基于关键帧的视觉SLAM（Key‐framebasedVisualSLAM）3.1.1Tracking3.1.2M
skyjhyp11·2020-07-28 11:11

视觉SLAM十四讲_4-相机模型和非线性优化

目录往期内容回顾1.针孔相机模型与图像2.OpenCV实践-图像拼接3.批量状态估计问题4.非线性最小二乘5.实践:Ceres和g2o往期内容回顾1.针孔相机模型与图像2.OpenCV实践-图像拼接3.批量状态估计问题4.非线性最小二乘Gauss-Newton对比Newotn法：GN方法中不用直接计算hessian矩阵，而是使用Jacobi矩阵的乘积做近似，这样既可以用到二阶的信息，又能回避掉He
skyjhyp11·2020-07-28 11:11

视觉slam参考资料

原文地址：http://blog.csdn.net/qq_18661939/article/details/51782376（1)orb_slam官网（网站最后有5篇论文，价值很高）http://webdiis.unizar.es/~raulmur/orbslam/（2)半仙居士blog（可以都看，很经典）http://www.cnblogs.com/gaoxiang12/（3)贺一加blog（m
roslei·2020-07-28 10:24

视觉 SLAM 学习笔记

视觉SLAM基本介绍SLAM是同步定位与地图构建(SimultaneousLocalizationAndMapping)的缩写，最早由HughDurrant-Whyte和JohnJ.Leonard提出。
qq_43525734·2020-07-28 09:21

ORB-SLAM 学习笔记

ORB-SLAM基本介绍ORB-SLAM是西班牙Zaragoza大学的RaúlMur-Arta编写的视觉SLAM系统。
qq_43525734·2020-07-28 09:20

视觉slam 学习中遇到问题

第3讲安装pangalin安装pangalin步骤我在安装时遇到了这个问题，-linux-gnu/libwayland-server.so;/usr/lib/x86_64-linux-gnu/libwayland-egl.so;/usr/lib/x86_64-linux-gnu/libwayland-cursor.so--Checkingformodule'xkbcommon'--Nopackag
是Mally呀！·2020-07-28 09:41

视觉SLAM——特征点法视觉里程计

摘要本文是对《视觉SLAM十四讲》第七讲“视觉里程计”理论部分的个人总结。重点讨论完成特征匹配后，根据匹配的点对来估计相机的运动。即基于特征点方式的视觉里程计算法。
Zachary Yu·2020-07-28 09:34

视觉slam中的一种单目稠密建图方法

之所以只讲单目的稠密建图，这是因为，首先，对于RGBD图，我们已知所有点的深度，可以直接生成稠密的点云。其次，对于稀疏地图，其实很多VO中已经完成了稀疏地图的构建，但是稀疏地图只能用于定位，不能用于导航避障之类的工作。所以很多slam系统中会额外进行稠密地图、甚至语义地图的构建。单目稠密建图通常在单目VO中，我们通过特征点匹配与三角测量可以获得稀疏地图点的深度，现在我们想要建立稠密的地图，这意味着
skycrygg·2020-07-28 09:10

VIORB-SLAM编译

ORB-SLAM2可以说是目前最优秀的基于特征带的视觉SLAM，由于是开源的，很多人在此基础上进行了改进与应用．废话不多说，下面说说关于IMU+ORB的编译流程与运行结果．论文是这篇论文：Mur-Artal
ha~hehe·2020-07-28 07:11

视觉SLAM笔记--第6篇: 单目初始化和三角测量

单目初始化和三角测量参考博客1.三角测量2.单目初始化3.单目-双目/RGB-D初始化的比较4.单目初始化两种方法参考博客参考博客：https://blog.csdn.net/llfjcmx/article/details/834103181.三角测量在得到了相机的运动之后，下一步我们需要用相机的运动来估计特征点的空间位置，但是在单目SLAM中，仅通过单张图像是无法获得像素的深度信息的，需要用三角
w风的季节·2020-07-28 07:52

slam整体框架详解（小白版）

在这里要感谢高翔博士的书《视觉SLAM十四讲》，这本书很幽默地讲解了视觉SLAM的方方面面的知识。同时本博文一部分是别人的思想，版权归原作者所有，在此向原作者表示感谢！
felicx(●ˇ∀ˇ●)·2020-07-28 07:44

视觉SLAM之单目稠密重建代码注释

dense_mapping.cpp#include#include#includeusingnamespacestd;#include//forsophus#includeusingSophus::SE3d;//foreigen#include#includeusingnamespaceEigen;#include#include#includeusingnamespacecv;/********
纷繁中淡定·2020-07-28 07:11

【SLAM】视觉SLAM十四讲（四：相机模型与非线性优化）

图像去畸变对一张桶形失真的图片进行去畸变畸变模型有两种：径向畸变：由镜头形状导致切向畸变：透镜与成像平面未严格平行去畸变代码intmain(intargc,char**argv){//畸变参数doublek1=-0.28340811,k2=0.07395907,p1=0.00019359,p2=1.76187114e-05;//相机内参doublefx=458.654,fy=457.296,cx=
huangyuan2019·2020-07-28 06:01

【SLAM】视觉SLAM十四讲（一:基础知识学习）

1熟悉Linux1.如何在Ubuntu中安装软件（命令⾏界⾯）？它们通常被安装在什么地⽅？apt-getinstall包名aptitudeinsatll包名（包含依赖解决方案）1.下载的软件存放位置/var/cache/apt/archives2.安装后软件默认位置/usr/share3.可执行文件位置/usr/bin4.配置文件位置/etc5.lib文件位置/usr/lib2.linux的环境变
huangyuan2019·2020-07-28 06:01

视觉SLAM笔记（63） RGB-D 稠密建图

视觉SLAM笔记（63）RGB-D稠密建图1.建立点云地图2.点云地图3.其他重建方法1.建立点云地图所谓点云，就是由一组离散的点表示的地图最基本的点包含x,y,z三维坐标，也可以带有r,g,b的彩色信息由于
氢键H-H·2020-07-28 06:44

视觉SLAM笔记（62） 单目稠密重建

视觉SLAM笔记（62）单目稠密重建1.测试数据集2.稠密深度估计3.像素梯度的问题4.逆深度5.图像间的变换6.并行化：效率的问题7.其他的改进1.测试数据集将使用REMODE的测试数据集它提供了一架无人机采集的单目俯视图像
氢键H-H·2020-07-28 06:44

视觉SLAM笔记（46） 基本的 VO

视觉SLAM笔记（46）基本的VO1.特征提取和匹配2.两两帧的视觉里程计3.匹配特征点4.简单的检测1.特征提取和匹配实现VO，先来考虑特征点法。
氢键H-H·2020-07-28 06:14

视觉SLAM笔记（53） g2o 操作后端优化

视觉SLAM笔记（53）g2o操作后端优化1.BA数据集2.g2o求解BA3.求解1.BA数据集目录下的common文件夹是实验的数据集部分它的布局如图所示其中，flags文件夹下的两个文件定义了CommandArgs
氢键H-H·2020-07-28 06:14

视觉SLAM笔记（61） 单目稠密建图

视觉SLAM笔记（61）单目稠密建图1.立体视觉2.极线搜索与块匹配3.高斯分布的深度滤波器1.立体视觉相机，很久以来被认为是只有角度的传感器（Bearingonly）单个图像中的像素，只能提供物体与相机成像平面的角度以及物体采集到的亮度而无法提供物体的距离
氢键H-H·2020-07-28 06:14

视觉SLAM笔记（21） 双目相机模型

视觉SLAM笔记（21）双目相机模型1.深度确定2.景物差异3.成像原理4.计算困难1.深度确定针孔相机模型描述了单个相机的成像模型然而，仅根据一个像素，是无法确定这个空间点的具体位置的这是因为，从相机光心到归一化平面连线上的所有点
氢键H-H·2020-07-28 06:13

视觉SLAM笔记（2） 相机

视觉SLAM笔记（2）相机1.相机分类2.单目相机3.双目相机4.深度相机1.相机分类在SLAM中，非常强调未知环境在理论上，没法限制“小萝卜”的使用环境，这意味着没法假设像GPS这些外部传感器都能顺利工作因此
氢键H-H·2020-07-28 06:13

视觉SLAM笔记（20） 单目相机模型

视觉SLAM笔记（20）单目相机模型1.相机成像2.相机的成像3.像素坐标系4.内参数矩阵5.外参6.畸变6.1.径向畸变6.2.切向畸变7.畸变纠正8.成像过程1.相机成像之前介绍了“机器人如何表示自身位姿
氢键H-H·2020-07-28 06:13

SLAM实战 RGB-D SLAM V2

我的实战是结合半闲居士的SLAM实战参考着来的,所以文章结构也按照这个来(就是这么臭不要脸)原文链接:http://www.cnblogs.com/gaoxiang12/p/4462518.html这次跑得是视觉
出击桃子·2020-07-28 06:42

slam之视觉+IMU

融合IMU是为了克服纯视觉SLAM的缺点，或者是说为了互补IMU的优势和纯视觉SLAM的优势。
樱桃木·2020-07-28 05:28

高博关于单目的介绍及推导

我来答吧，提纲如下：1.单目SLAM难点2.视觉SLAM难点3.可能的解决思路图片中非原创部分均已加引用，请勿盗图，转载请私信告知。单目slam的障碍来自于理论和实践两个方面。理论障碍可以看
zjlooojoe·2020-07-28 05:27

视觉slam14讲——第10讲后端1

本系列文章是记录学习高翔所著《视觉slam14讲》的内容总结，文中的主要文字和代码、图片都是引用自课本和高翔博士的博客。代码运行效果是在自己电脑上实际运行得出。
leeayu·2020-07-28 05:39

视觉slam14讲——第8讲 视觉里程计2

本系列文章是记录学习高翔所著《视觉slam14讲》的内容总结，文中的主要文字和代码、图片都是引用自课本和高翔博士的博客。代码运行效果是在自己电脑上实际运行得出。
leeayu·2020-07-28 05:08

视觉slam14讲——第7讲 视觉里程计1

本系列文章是记录学习高翔所著《视觉slam14讲》的内容总结，文中的主要文字和代码、图片都是引用自课本和高翔博士的博客。代码运行效果是在自己电脑上实际运行得出。
leeayu·2020-07-28 05:07

深蓝学院-视觉SLAM课程学习课后题

一.第一节课习题#标题1.熟悉linux（1）可以通过sudoapt-getinstall的方式安装软件当自己下载了软件压缩包之后（tar.gz文件），可以解压后，通过cd命令进入压缩包目录，输入编译文件命令：./configure，然后是命令：make，完成之后通过makeinstall命令完成安装。软件安装位置：一般安装在/usr下，里面很多文件夹，根据文件的类型，分门别类，不是一个软件一个文
快乐飞奔的小菜鸡·2020-07-28 05:09

【阅读文献】单目视觉SLAM方法综述【1】~单目视觉SLAM分类方法

目录1单目视觉SLAM分类方法1.1基于概率框架的单目视觉SLAM1.2基于非概率框架的单目视觉SLAM方法SLAM最先由SmithSelf和Cheeseman于1987年提出，被认为是实现移动机器人真正自主的关键
人工智能博士·2020-07-28 05:53

视觉SLAM之鱼眼相机模型

最近研究了视觉SLAM中不同的鱼眼相机模型，其中包括：Scaramuzza的鱼眼相机模型代表性的SLAM工作为MultiCo-SLAM,是一个以ORB-SLAM为基础的扩展的多鱼眼相机视觉SLAM系统（
鼎鼎大名的浪子·2020-07-28 04:15

视觉slam14讲学习（五）之视觉里程计组成:特征点法

文章目录1.特征点提取和匹配2.2d-2d对极几何2.1对极几何原理2.2基本矩阵F和本质矩阵E2.32d-2d位姿估计2.3d-2d估计方法1.特征点提取和匹配以orb特征为例,步骤1初始化://--读取图像Matimg_1=imread(argv[1],CV_LOAD_IMAGE_COLOR);Matimg_2=imread(argv[2],CV_LOAD_IMAGE_COLOR);//--初
su扬帆启航·2020-07-28 04:09

视觉slam14讲学习（四）之Ceres和G2O使用

1.曲线拟合问题所谓曲线拟合，就是给定一组x和y的值，它们大体上满足一条曲线方程，但受噪声影响，并不精确满足方程。在这种情况下求取曲线方程的参数。例如，给定100对x和y的值，把它们画在坐标系上如图所示：预测模型也就是该曲线方程的形式为:那么就可以构造一个最小二乘问题以估计其中的未知参数a、b和c。该最小二乘问题的代价函数为：2.利用Eigen求解直接利用Eigen构建增量方程,再利用高斯-牛顿迭
su扬帆启航·2020-07-28 04:09

SLAM的开始

现在主要研究的视觉SLAM(VisualSLAM)以视觉传感器为中心的（视觉SLAM技术）和三维重建（也就是说实时的SLAM系统）SLAM技术是非常注重实践的。（2）SLAM的理论背景，系统构架，以及
nbxuwentao·2020-07-28 04:35

从零开始学SLAM: Ceres/G2O求解优化问题

Ceres求解优化问题从《视觉SLAM十四讲》和ceres的tutorial开始学起，同时复习一下C++中的语法。
搬砖学徒1.0·2020-07-28 04:10

SLAM中常用的非线性优化算法学习笔记

（Levenburg-Marquadt）列文伯格-马夸尔特方法5.小结本文为高博《视觉SLAM十四讲》第六讲的学习笔记。1.优化的由来和梯度下降法了解过机器学习相关算法的话，都知道优化这个词语。
文科升·2020-07-28 04:31

视觉SLAM非线性优化之Ceres solver 和 G2o

——伊索3月就要结束了~最近在看视觉SLAM的一些东西，把高博的非线性优化章节理解整理下，对传感器的融合优化很有帮助：=首先(白话)解释下：关于SLAM的概念基础就不细说了，可以百度下，经典的SLAM模型主要是由一个状态
I-am-Unique·2020-07-28 03:14

视觉slam14讲之相机模型

1.单目相机模型a.首先，世界坐标系下有一个固定的点P，世界坐标为Pw。b.由于相机在运动，它的运动由R,t或变换矩阵T描述。P的相机坐标为P’=R*Pw+t。c.这时的P’仍有X,Y,Z三个量，把他们投影到归一化平面Z=1上，得到P的归一化相机坐标：Pc=[X/Z,Y/Z,1]T.d.最后，P的归一化坐标经过内参后，对应到它的像素坐标：Puv=KPc。其中共谈到了4种坐标：世界坐标，相机坐标，归
我吃龙虾·2020-07-28 03:03

视觉slam14讲之VO框架的搭建

视觉里程计VO的搭建基本都会有以下几个问题：怎么管理地图点，如何处理误匹配，如何选择关键帧。。。由简到繁进行。1.视觉里程计分单目，双目，RGB-D三大类。单目视觉相对复杂，RGB-D最简单，没有初始化，也没有尺度问题。2.编写小规模的库时，往往建立一些文件夹，把源代码，头文件，文档，测试数据，配置文件，日志等分类存放。当一个库内容很多时，往往还会把代码分解各个独立的小模块，便于测试。OpenCV
我吃龙虾·2020-07-28 03:03

视觉slam14讲之后端优化

前端视觉里程计能给出一个短时间内的轨迹和地图，但不可避免的误差累积，这个地图在长时间内是不准确的。要想构建一个尺度，规模更大的优化问题，以考虑长时间内的最优轨迹和地图，这时后端优化就出现了。1.滤波器模型a.马尔可夫性，当前状态只和上一个时刻有关。P(Xk|Xk-1,X0,U1:k,Z1:k-1)=P(Xk|Xk-1,Uk)。把K-1时刻的状态分布推导至k时刻，也就是说，在程序运行期间，我们只要维
我吃龙虾·2020-07-28 03:03

视觉SLAM笔记(四)-对极几何

对极几何和PnP都是在已知若干对匹配点的情况下计算相机的运动，其中对极几何是计算2D-2D匹配点间的运动，而PnP是求解3D-2D匹配点对运动的方法对极几何对极约束如图所示为对极几何约束，其中I1,I2I_1,I_2I1,I2为两帧图像，p1,p2p_1,p_2p1,p2为两帧图像中所匹配的像素点，O1,O2O_1,O_2O1,O2为相机的光心，连接O1O2O_1O_2O1O2交I1,I2I_1,
lufan11223·2020-07-28 02:27

视觉SLAM笔记(三)-非线性优化

SLAM问题中，机器人自身的状态估计主要有两种方式:基于滤波器的方法(Kalmanfilter,Particlefilter等)和基于非线性优化的方法，目前主流的SLAM方案均使用了非线性优化方法状态估计经典SLAM模型主要由运动模型和观测模型组成，其方程如下xk=f(xk−1,uk)+wkzk,j=h(yj,xk)+vk,j{x}_{k}=f\left({x}_{k-1},{u}_{k}\rig
lufan11223·2020-07-28 02:57

slam面试问题前期总结（一）

矩阵有何不同，E和F矩阵有何不同，只旋转不平移能不能求F，只旋转不平移能不能求H3.描述BA4.描述PnP5.描述下GN、LM方法6.如何处理关键帧7.为什么要引入李群李代数8.什么是极线约束9.单目视觉
认真的虎·2020-07-28 02:09

双目视觉SLAM:Stereo DSO初次运行

双目视觉SLAM:StereoDSO初次运行参考链接：代码：源码安装步骤：使用：数据集格式说明：参考链接：双目DSO.大部分操作来源于该博客，非常详细第一次运行双目SLAM，特记录相关过程。
leonardohaig·2020-07-28 01:19

SLAM之相机标定

0写在前面此篇博客，包括之后的一些SLAM系列博客，其实都是高翔博士的《视觉SLAM十四讲》读书笔记，在此向高博所做的工作致敬。
W_Tortoise·2020-07-28 01:24

ORB-SLAM2代码（二）建图

参考：orb-slam2源码注释版SLAM的全称是同时建图与定位，在视觉SLAM中，这里的建图指的就是生成和管理MapPoint，MapPoint与激光SLAM中点云不同的是，点云是没有特征可言的，而MapPoint
Leather_Wang·2020-07-27 23:41
上一页 24 25 26 27 28 29 30 31 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他