视觉SLAM技术解读

IAAS: IT公司去IOE-Alibaba系统构架解读

从Hadoop到自主研发，技术解读阿里去IOE后的系统架构原地址：......................云计算阿里飞天摘要：从IOE时代，到Hadoop与飞天并行，再到飞天单集群5000节点的实现
wishchin·2024-09-10 04:18

视觉SLAM十四讲学习笔记——第十讲 后端优化（2）

上文提到考虑全局的后端优化计算量非常大，因此在计算增量方程时，借助H矩阵的稀疏性加速运算。但是随着时间的推移，累积的相机位姿和路标数量还是会导致计算量过大，以上一节的示例代码数据为例：16张图像，共提取到22106个特征点，这些特征点共出现了83718次。对于一个20Hz更新速度，上述的数据量甚至还不到1s的内容，因此在求解大规模定位建图问题时，一定要控制BA的规模。这里主要有两种解决思路：（1）
晒月光12138·2024-09-08 13:10

阿里云实时计算企业级状态存储引擎 Gemini 技术解读

本文整理自阿里云Flink存储引擎团队李晋忠，兰兆千，梅源关于阿里云实时计算企业级状态存储引擎Gemini的研究，内容主要分为以下五部分：流计算状态访问的痛点企业级状态存储引擎GeminiGemini性能评测&线上表现结语参考一、流计算状态访问的痛点Flink作为有状态的流计算系统，状态存储引擎在其中扮演着重要角色。Flink中状态(State)用来存储计算的中间结果或者历史的事件序列（如图1-1
·2024-02-19 20:58

视觉slam十四讲学习笔记（六）视觉里程计 1

本文关注基于特征点方式的视觉里程计算法。将介绍什么是特征点，如何提取和匹配特征点，以及如何根据配对的特征点估计相机运动。目录前言一、特征点法1特征点2ORB特征FAST关键点BRIEF描述子3特征匹配二、实践：特征提取和匹配三、2D-2D:对极几何1对极约束2本质矩阵3单应矩阵四、实践：对极约束求解相机运动五、三角测量总结前言1.理解图像特征点的意义,并掌握在单幅图像中提取出特征点，及多幅图像中匹
苦瓜汤补钙·2024-02-19 13:54

视觉SLAM十四讲学习笔记——第五讲 相机与图像

这一讲主要内容就是了解摄像机的成像模型以及OpenCV的使用。1.四种坐标系坐标系基本描述世界坐标系因为摄像机和物体可以随便摆放在空间中的任何位置，所以我们必须用一个固定的坐标系来描述空间中任何物体的位置和摄像机的位置和朝向，这个基准坐标系我们称之为世界坐标系。在计算机视觉中，我们通常把世界坐标系定义为摄像机坐标系或者所观测的物体的中心。摄像机坐标系摄像机坐标系的原点是摄像机的光心，X、Y轴分别平
晒月光12138·2024-02-15 10:06

视觉slam十四讲学习笔记（四）相机与图像

理解理解针孔相机的模型、内参与径向畸变参数。理解一个空间点是如何投影到相机成像平面的。掌握OpenCV的图像存储与表达方式。学会基本的摄像头标定方法。目录前言一、相机模型1针孔相机模型2畸变单目相机的成像过程3双目相机模型4RGB-D相机模型二、图像计算机中图像的表示三、图像的存取与访问1安装OpenCV2存取与访问总结前言前面介绍了“机器人如何表示自身位姿”的问题，部分地解释了SLAM经典模型中
苦瓜汤补钙·2024-02-15 10:06

ORB-SLAM3运行自制数据集进行定位教程

目前手上有一个特定的任务，做应急救援的视觉SLAM，目前公共数据集比较少，考虑自建数据集，从网络上爬虫火灾、地震的等手机录制的视屏，应用一些现有成熟ORB-SLAM3系统到这个数据集上看效果，然后根据效果得到一些模型改进思路
极客范儿·2024-02-13 18:27

视觉SLAM十四讲学习笔记（二）三维空间刚体

哔哩哔哩课程连接：视觉SLAM十四讲ch3_哔哩哔哩_bilibili目录一、旋转矩阵1点、向量、坐标系2坐标系间的欧氏变换3变换矩阵与齐次坐标二、实践：Eigen（1）运行报错记录与解决三、旋转向量和欧拉角
苦瓜汤补钙·2024-02-13 05:01

视觉slam十四讲学习笔记（三）李群与李代数

1.理解李群与李代数的概念，掌握SO(3),SE(3)与对应李代数的表示方式。2.理解BCH近似的意义。3.学会在李代数上的扰动模型。4.使用Sophus对李代数进行运算。目录前言一、李群李代数基础1群2李代数的引出3李代数的定义4李代数so(3)5李代数se(3)二、指数与对数映射1SO(3)上的指数映射2SE(3)上的指数映射三、李代数求导与扰动模型1BCH公式与近似形式2SO(3)李代数上的
苦瓜汤补钙·2024-02-13 05:01

视觉SLAM十四讲学习笔记（一）初识SLAM

目录前言一、传感器1传感器分类2相机二、经典视觉SLAM框架1视觉里程计2后端优化3回环检测4建图5SLAM系统三、SLAM问题的数学表述四、Ubuntu20.04配置SLAM十四讲前言SLAM:SimultaneousLocalizationandMapping
苦瓜汤补钙·2024-02-09 03:11

【SLAM14讲编译依赖软件源码版本方面等问题汇总】

"逆转鹈鹕”0.视觉SLAM十四讲1.ch3-------Eigen32.ch4-------Sophus2.ch5-------JoinMap3.ch63.1---ceres3.2---g2o4.ch7
终问鼎·2024-02-08 23:28

《视觉SLAM十四讲》第九讲前段实践中g2o实践代码报错解决方法

在《视觉SLAM十四讲》中针对于g2o初始化部分代码是无法执行的，在高博的Git上的代码也是无法编译的，会报错：error:nomatchingfunctionforcallto‘g2o::BlockSolver
大二哈·2024-02-08 18:17

计算机视觉中的Homography单应矩阵应用小结

计算机视觉中的Homography（单应）矩阵应用小结Homography矩阵在StructurefromMotion(SfM)或三维重建、视觉SLAM的初始化过程有着重要应用，本文总结了单应矩阵出现场景与常见问题求解
CS_Zero·2024-02-08 07:36

ChatGPT_Parameter_is_not_175B

ChatGPT的火热持续到了今天，围绕它的爆点新闻和技术解读不断涌现。关于其参数
唐伯虎点·蚊香·2024-02-07 19:46

【视觉SLAM十四讲学习笔记】第六讲——状态估计问题

专栏系列文章如下：【视觉SLAM十四讲学习笔记】第一讲——SLAM介绍【视觉SLAM十四讲学习笔记】第二讲——初识SLAM【视觉SLAM十四讲学习笔记】第三讲——旋转矩阵【视觉SLAM十四讲学习笔记】第三讲
趴抖·2024-02-06 01:12

【视觉SLAM十四讲学习笔记】第六讲——非线性最小二乘

专栏系列文章如下：【视觉SLAM十四讲学习笔记】第一讲——SLAM介绍【视觉SLAM十四讲学习笔记】第二讲——初识SLAM【视觉SLAM十四讲学习笔记】第三讲——旋转矩阵【视觉SLAM十四讲学习笔记】第三讲
趴抖·2024-02-06 01:41

INDEMIND双目惯性模组运行实时ORB-SLAM3教程

现在实验室视觉SLAM已经不够满足，所以需要多模态融合，正巧购入高翔博士推荐的INDEMIND双目惯性模组，根据官方例程在中使用ROS接入ORB-SLAM3，这回有SDK及ORB-SLAM3安装过程中的各种常见性问题解决方法及安装细节
极客范儿·2024-02-04 10:01

科普类（双目视觉）——快速索引

科普类（双目视觉）——快速索引科普类——双目视觉在无人驾驶汽车中的应用（一）科普类——双目视觉SLAM在无人驾驶汽车中的作用（二）科普类——双目视觉在自动驾驶中存在的问题、挑战以及解决方案（三）科普类—
JANGHIGH·2024-02-03 07:11

科普类——双目视觉SLAM在无人驾驶汽车中的作用（二）

科普类——双目视觉SLAM在无人驾驶汽车中的作用（二）在无人驾驶汽车中，视觉SLAM（SimultaneousLocalizationandMapping，即同时定位与地图构建）是一种关键技术，它允许车辆在未知环境中进行自我定位和地图构建
JANGHIGH·2024-02-03 07:41

在元宇宙星际旅行,程序化生成星球技术解读

#无人之地[NoManSky]取材自科幻小说，包括了冒险、天马行空等元素。##呈现给玩家一个充满独特行星和生命形式的星系。游戏中危机重重，无尽的探索等着你。每颗星星都散发着遥远太阳的光辉，每个太阳都有充满生命的行星绕其运转，你可以选择其中任何一个前往。从太空深处飞往行星地表，一路畅通无阻，毫无限制。在这个按程序生成的无限宇宙中，你会发现大家从未见过的领域和生物——而且再无机会遇见。#开始一段史诗般
shadowcz007·2024-02-02 21:16

【ORB-SLAM2源码梳理1】以单目mono_tum.cc为例，构建SLAM系统（含mono_tum.cc、System.cc关键代码解析）

LoadImages()2.构建SLAM系统：System3.系统构建结束，开启跟踪线程1）一帧帧地读取对应路径下的rgb图像：2）将图像帧传入Tracking线程，开始一系列操作（关键）：二、代码导图前言因为对于视觉
Jay_z在造梦·2024-01-30 12:30

手把手带你死磕ORBSLAM3源代码(六十四) LocalMapping.cc LocalMapping Run

方法进入一个无限循环，这是因为在视觉SLAM中，局部映射是一个持续进行的过程，需要不断地处理新的关键帧和地图点。
安城安·2024-01-30 11:01

视觉SLAM十四讲|【四】误差Jacobian推导

视觉SLAM十四讲|【四】误差Jacobian推导预积分误差递推公式ω=12((ωbk+nkg−bkg)+(wbk+1+nk+1g−bk+1g))\omega=\frac{1}{2}((\omega_b
影子鱼Alexios·2024-01-29 18:20

视觉SLAM十四讲|【六】基于特征匀速模型的重投影误差计算形式

视觉SLAM十四讲|【六】基于特征匀速模型的重投影误差计算形式基本推导方法无时间戳延迟时，残差计算流程：世界坐标系中的第lll个地图点变换到相机坐标系下为flw=[x,y,z]Tf_l^w=[x,y,z
影子鱼Alexios·2024-01-29 17:18

《SLAM十四讲》Ch7编译报错

《SLAM十四讲》Ch7编译报错原因：视觉SLAM书上的程序使用的g2o版本比较旧了，使用的是c++11版本的g2o。
Prejudices·2024-01-28 15:38

openvslam------slam解读系列

是什么:openvslam是日本先进工业科技研究（NationalInstituteofAdvancedIndustrialScienceandTechnology）所于2019年5月20日开源的视觉SLAM
xiechaoyi123·2024-01-27 21:13

ORB_SLAM3：IMU初始化过程梳理以及自己的理解

2、IMU初始化过程中不断优化尺度，在单目相机的视觉SLAM中，尺度指的是场景中真实物体的物理尺寸与它在相机图像中所对应的像素距离之间的比例关系。
追风筝的人～TH·2024-01-26 22:30

技术解读 | KunDB助力头部金融机构关键系统的Oracle国产替代

星环科技自主研发的分布式交易型数据库KunDB助力头部金融机构实现了关键系统的Oracle国产化替代。通过可视化迁移工具完成了对象与数据的平滑迁移，将原先两套Oracle系统（一套Oracle单机系统，一套OracleRAC系统）统一迁移到一套KunDB集群。并且基于常规国产服务器使得每日增量数据处理性能提升了1倍，并发处理性能提升了2倍，结合全新的分布式架构，增强了弹性扩展能力，充分满足企业未来
星环科技·2024-01-26 07:40

第一个项目总结：双目测距（python代码转为c++代码，最终输出点云图，再转为ros点云图，再实现可视化）

目录1.双目成像原理2.双目测距python代码3.python代码转为c++代码(1)双目相机参数（2）立体校正（3）立体匹配4.opencv的点云图转为ros点云图1.双目成像原理摘自《视觉SLAM
zerogin+·2024-01-25 05:29

XGBOOST技术解读

前言：本文主要介绍以XGBOOST为代表的gradienttreeboosting这类机器学习技术的思想。XGBOOST这篇论文的方法也是在gradienttreeboosting的技术上改进而来的，主要在许多工程细节上进行了改进，使得XGBOOST在实际应用中有很好的效果。但本文不对这些细节问题进行介绍。论文背景Introduction最后一段描述到：Whiletherearesomeexist
p_w·2024-01-25 00:36

线程互斥与同步 在c#中用mutex类实现线程的互斥_.Net线程同步技术解读

C#开发者(面试者)都会遇到lock(Monitor)，Mutex，Semaphore，SemaphoreSlim这四个与锁相关的C#类型，本文期望以最简洁明了的方式阐述四种对象的区别。什么是线程安全教条式理解如果代码在多线程环境中运行的结果与单线程运行结果一样，其他变量值也和预期是一样的，那么线程就是安全的；结合场景理解两个线程都为集合增加元素，我们错误的理解即使是多线程也总有先后顺序吧，集合的
weixin_40001805·2024-01-19 20:08

SLAM中的二进制词袋生成过程和工作原理

长期视觉SLAM(SimultaneousLocalizationandMapping)最重要的要求之一是鲁棒的位置识别。经过一段探索期后，当长时间未观测到的区域重新观测时，标准匹配算法失效。
深蓝学院·2024-01-17 16:30

【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——SLAM介绍【视觉SLAM十四讲学习笔记】第二讲——初识SLAM【视觉SLAM十四讲学习笔记】第三讲——旋转矩阵【视觉SLAM十四讲学习笔记】第三讲
趴抖·2024-01-17 10:05

GaussDB技术解读系列：5分钟带您了解DRS录制回放

一、什么是DRS录制回放？DRS录制回放是将源数据库发生的真实业务流量，在目标数据库模拟执行，从而观察和检验目标数据库的功能和性能表现。录制回放主要分为录制、回放两个阶段，录制过程是从源数据库上将所需时间段内的全部SQL原语句（包括增、删、改、查）通过审计日志下载、录制代理等进行采集；回放是将采集到的全部SQL语句在目标数据库上进行执行（目标数据库需有源数据库的初始数据）。二、DRS录制回放与DR
Gauss松鼠会·2024-01-16 05:56

2023-01-04日志

今天学习了惯导的一节课与视觉SLAM视觉里程计的部分知识。
独孤西·2024-01-13 08:03

视觉SLAM十四讲|【五】相机与IMU时间戳同步

视觉SLAM十四讲|【五】相机与IMU时间戳同步相机成像方程Z[uv1]=[fx0cx0fycy001][XYZ]=KPZ\begin{bmatrix}u\\v\\1\end{bmatrix}=\begin
影子鱼Alexios·2024-01-13 06:44

视觉SALM与激光SLAM的区别

前言：这里比较一下视觉SLAM和激光SLAM的区别，仅比较其在算法层面上的一些不同，这里拿视觉SLAM算法：ORB-SLAM系列和激光SLAM算法：LOAM系列对比。
Jiqiang_z·2024-01-13 06:12

阿里云实时计算企业级状态存储引擎 Gemini 技术解读

本文整理自阿里云Flink存储引擎团队李晋忠，兰兆千，梅源关于阿里云实时计算企业级状态存储引擎Gemini的研究，内容主要分为以下五部分：流计算状态访问的痛点企业级状态存储引擎GeminiGemini性能评测&线上表现结语参考一、流计算状态访问的痛点Flink作为有状态的流计算系统，状态存储引擎在其中扮演着重要角色。Flink中状态(State)用来存储计算的中间结果或者历史的事件序列（如图1-1
Apache Flink·2024-01-11 13:36

区块链简史（十一）：为什么说跨链是区块链技术未来发展的趋势

欢迎来到懒区块，人人都能看懂的区块链技术解读，深入浅出的解剖整个区块链系统。本文由懒区块整理撰写，不经过允许，切勿转载。本系列有十二篇文章，这十二篇文章介绍了区块链技术的简史、应用、预测和展望。
懒区块·2024-01-10 15:58

视觉SLAM和激光SLAM适合的应用领域以及哪个更有前景

目录视觉SLAM的应用领域激光SLAM的应用领域视觉SLAM优势和局限性激光SLAM优势和局限性发展趋势和前景视觉SLAM的应用领域增强现实（AR）和虚拟现实（VR）：视觉SLAM能够提供丰富的视觉信息
稻壳特筑·2024-01-06 07:08

自律修身-2022-07-07

地点：淞南科技园效率今天整体上效率还可以，AC一道题目，看了一部分视觉SLAM十四讲相关的知识。收获颇丰，值得表扬。最主要的是中午没有回去休息，并且没有sy。
Aaron_Swartz·2024-01-05 09:20

技术解读丨多模数据湖：助力AI技术，推动内容管理平台智能化升级

随着数字化时代的到来，数据已经成为企业的重要资产之一。因此，构建高效的内容管理平台变得至关重要。本文重点介绍SequoiaDB多模数据湖技术在内容管理平台中的应用和成效，以及其对企业非结构化数据管理和AI的推动作用。随着数字化时代的到来，数据已经成为企业的重要资产之一。然而，随着数据规模和多样性的不断增加，传统的数据处理方法已经无法满足企业的需求，尤其是在大数据和人工智能技术的快速发展下，需要更加
巨杉数据库SequoiaDB·2024-01-04 19:39

2024最新SLAM实习、秋招面经（百度、华为、小米、蔚来、理想、美团、阿里菜鸟……）

主要研究方向包括激光SLAM、视觉SLAM、VIO（ps.整个面经大致按时间线记录，前期遇到过的问题后续不再记录）（pps.目前还在思考是光写面试问题，在问题之后还是附上我的一个不一定对的参考答案…才疏学浅
山楂没我渣·2024-01-03 08:09

【论文笔记】Gaussian Splatting SLAM

本文提出第一个基于3D高斯溅射（3DGS）的在线视觉SLAM系统。3DGS中的3D场景会被表达为大量的有方向、伸长率、颜色和不透明度的高斯。其余视觉SLAM方法使用占用/有符
byzy·2023-12-31 11:38

目标检测YOLO实战应用案例100讲-结合YOLOv5神经网络轻量化改进的视觉SLAM（续）

目录3.3YOLO模型轻量化改进3.3.1目标检测算法改进方向3.3.2改进算法性能对比与算法选择
林聪木·2023-12-28 10:53

目标检测YOLO实战应用案例100讲-结合YOLOv5神经网络轻量化改进的视觉SLAM

目录前言基于视觉SLAM的语义地图构建框架2.1基于RGBD数据的视觉SLAM框架2.1.1传感器数据读取
林聪木·2023-12-28 10:52

HoloLens中的视觉SLAM介绍

HoloLens是微软在2015年1月22日凌晨发布的一款头戴式的便携全息计算机设备。不同于VR眼镜，HoloLens直接在现实世界中呈现出一些虚拟的全息投影，即混合现实，不仅增强了真实感，还提供了一种新的人与现实世界交互的方式。HoloLens与用户的交互主要有以下三种方式：1、凝视（gaze）HoloLens可以探测到用户视线的焦点所在从而做出一些判断和反应。2、手势（gesture）Holo
qq_33511693·2023-12-27 12:22

视觉SLAM14讲——李群与李代数

前面的文章说过三维空间的刚体运动，介绍了旋转的表示。在SLAM中相机的位姿是不确定的，需要我们进行优化，常用的优化方法便是求导，但是旋转矩阵由于自身的特殊性(行列式为1的正交矩阵)，使我们无法直接对旋转矩阵进行求导优化，所以引入了李群与李代数来简化求解方式。1、李群与李代数上一篇文章说过旋转矩阵构成了特殊正交群SO(3)，变换矩阵构成特殊欧氏群SE(3)。首先我们来介绍下群这一概念。1、群无论从旋
Bumblebee972·2023-12-25 21:19

视觉SLAM十四讲：李群李代数

在上一讲中我们介绍了视觉SLAM十四讲的前3讲：基本框架和刚体运动的描述方式（R矩阵，T矩阵）。面临的问题：当我们对刚体的运动进行表示了之后，接下来要解决的问题是对得到的表示进行估计和优化。
目睹闰土刺猹的瓜·2023-12-25 21:49

视觉SLAM十四讲 第4讲李群与李代数

目录一、李群与李代数基础群李代数的引出李代数的定义李代数so(3)\mathfrak{so}(3)so(3)李代数se(3)\mathfrak{se}(3)se(3)二、指数和对数映射SO(3)SO(3)SO(3)上的指数映射SE(3)SE(3)SE(3)上的指数映射三、李代数求导与扰动模型BCH公式与近似公式SO(3)SO(3)SO(3)李代数上的求导李代数求导扰动模型(左乘)SE(3)SE(3
YWL0720·2023-12-25 21:49
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他