视觉SLAM技术解读

视觉SLAM十四讲笔记四（第五讲）

1、相机模型针孔模型：将三维坐标点映射到二维图像平面的几何模型现在来对这个简单的针孔模型进行几何建模。设O−x−y−z为相机坐标系，我们让z轴指向相机前方，x向右，y向下。O为摄像机的光心，也是针孔模型中的针孔。现实世界的空间点P，经过小孔O投影之后，落在物理成像平面O′−x′−y′上，成像点为P′。设P的坐标为[X,Y,Z]T，P′为[X′,Y′,Z′]T，并且设物理成像平面到小孔的距离为f（焦
9527风先生·2022-04-27 07:11

视觉SLAM十四讲笔记三（第四讲）

1、引言在第三讲中介绍了旋转矩阵R、旋转向量、欧拉角、四元数若干种方式，这些仅是对旋转的表示，除了表示我们还需进行估计和优化，因为在SLAM中位姿是未知的，我们需要解决：什么样的相机位姿最符合当前的观测数据，这类问题可以转化为优化问题，即求解最优的R、t使误差最小化。但是因为旋转矩阵是有约束的，所以优化变为有有约束优化，这是不好的，由此便引入李代数将其变为无约束优化。2、李代数与李代数基础特殊正交
9527风先生·2022-04-27 07:11

视觉SLAM十四讲笔记一（第二讲）

1引言最近定了方向为视觉SLAM，买了高翔的视觉SLAM这本书，寥寥草草看完一遍，一头雾水，感叹视觉SLAM入门太难，今天来到博客，再学一边，顺便记录下自己第一次写博客。
9527风先生·2022-04-27 07:10

开拓新领域 OpenHarmony多行业软件发行版逐步落地

4月25日，OpenAtomOpenHarmony（以下简称“OpenHarmony”）技术日在深圳举办，大会聚焦OpenHarmony3.1Release版本核心技术解读，同时分享了生态最新进展。
·2022-04-26 14:02

Cube 技术解读 | Cube 渲染设计的前世今生

阿里是个重运营的公司，前端开发者居多，2016-2017年，在Weex还是1.0时代，ReactNative开源还没多久，Flutter还没诞生的时候，如何在贴合前端开发环境的前提下，快速铺到android/iOS双平台是个大热点，支付宝内部孵化一个动态化跨平台方案顺势而生。前面三篇文章分别介绍了Cube当前架构，Cube卡片和Cube小程序技术产品形态。这篇文章主要讨论Cube的渲染设计，帮助大
·2022-04-25 17:07

slambook2_in_Docker——视觉Slam十四讲代码Docker封装

Slambook2inDocker代码：https://github.com/zhh2005757/slambook2_in_Docker这是一个用于运行高翔博士著作《视觉Slam十四讲》中代码的Docker
Hickey源兔兔·2022-04-25 07:51

高翔《视觉SLAM十四讲》从理论到实践

目录第1讲前言：本书讲什么；如何使用本书；第2讲初始SLAM：引子-小萝卜的例子；经典视觉SLAM框架；SLAM问题的数学表述；实践-编程基础；第3讲三维空间刚体运动：旋转矩阵；实践-Eigen；旋转向量和欧拉角
月夕花晨KaCa·2022-04-24 07:45

PnP算法详解（超详细公式推导）

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，当然还有其
瀚文文文问问·2022-04-22 11:24

opencv计算单目相机内外参矩阵与畸变校正

代码见https://learnopencv.com/camera-calibration-using-opencv相关知识点请参考《视觉SLAM十四讲从理论到实践》，附链接如下https://pan.baidu.com
找不到服务器1703·2022-04-21 01:42

视觉SLAM入门 -- 学习笔记 - Part4

2图像去畸变本次作业，你将尝试如何对一张图像去畸变，得到畸变前的图像。图1:测试图像图1是本次习题的测试图像（code/test.png），来自EuRoC数据集。可以明显看到实际的柱子、箱子的直线边缘在图像中被扭曲成了曲线。这就是由相机畸变造成的。根据我们在课上的介绍，畸变前后的坐标变换为：其中x;y为去畸变后的坐标，xdistorted;ydistroted为去畸变前的坐标。现给定参数：以及相机
昼行plus·2022-04-20 07:27

视觉SLAM入门 -- 学习笔记 - Part3

2群的性质先看群的定义：补充：3.解释什么是阿贝尔群。并说明矩阵及乘法构成的群是否为阿贝尔群。阿贝尔群（AbelGroup）又称交换群或可交换群，它由自身的集合G和二元运算*构成。它除了满足一般的群公理，即运算的结合律、G有单位元、所有G的元素都有逆元之外，还满足交换律公理。因为阿贝尔群的群运算满足交换律和结合律，群元素乘积的值与乘法运算时的次序无关。plus:矩阵即使是可逆矩阵，一般不形成在乘法
昼行plus·2022-04-20 07:26

视觉SLAM入门 -- 学习笔记 - Part2

熟悉Eigen矩阵运算设线性方程Ax=b，在A为nxn⽅阵的前提下，请回答以下问题：1.在什么条件下，x有解且唯⼀？当秩R(A，b)=R(A)=n（n为未知数个数）时有唯一解。2.高斯消元法的原理是什么？通过用初等行变换将增广矩阵化为行阶梯形矩阵，然后回带求解线性方程组的解。3.[数值计算]QR分解的原理是什么？QR方法是用于求解矩阵所有特征值的算法4.Cholesky分解法的原理是什么？5.编程
昼行plus·2022-04-20 07:56

深蓝-视觉slam-第四讲学习笔记

第四讲相机模型非线性优化-针孔相机模型与图像-实践：OpenCV/RGBD图像拼接-批量状态估计问题-非线性最小二乘法-实践：Ceres和g20(非线性优化库，图优化库）批量的状态估计问题可以通过构建最小二乘的方式求解。针孔相机模型：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上（单位为像素）的过程。由于相机镜头上的透镜的存在，使得光线投影到成像平面的过程会产生畸变，因此，我们用针孔和畸
思考之路·2022-04-20 07:55

深蓝-视觉slam-第三讲学习笔记

第三讲李群和李代数1.群2.李群和李代数3.指数映射与对数映射4.求导与扰动模型5.实践：Sophus引入李群和李代数的原因是为了估计相机的运动,相机在时间上的连续运动构成李群，因为在状态估计中需要估计李群的性质，需要引入李群和李代数的概念。旋转矩阵自身是有约束的，作为优化变量时，会引入额外的约束，使得优化变得困难。通过李群——李代数间的转换关系，我们希望把位姿估计变成没有约束的优化问题，简化求解
思考之路·2022-04-20 07:25

深蓝-视觉slam-第五节习题

ORB特征点实现代码：#include#include//并行处理for_each中的std::execution#include#include#include#includeusingnamespacestd;usingnamespacecv;stringfirst_file="../1.png";stringsecond_file="../2.png";constdoublepi=3.141
思考之路·2022-04-20 07:25

高翔视觉slam14讲学习笔记（3-李群、李代数 Sophus库基础学习）

高翔视觉slam14讲学习笔记（3-李群、李代数Sophus库基础学习）Sophus库练习sophus主要用于李群、李代数的使用，在视觉SLAM十四讲实践系列之Sophus下的位姿表示和更新优化和修正已经有详细的介绍
KaHoWong·2022-04-20 07:19

视觉SLAM十四讲学习笔记-第六讲学习笔记总结（1）---非线性优化原理

第六讲学习笔记如下：视觉SLAM十四讲学习笔记-第六讲-非线性优化的状态估计问题_goldqiu的博客-CSDN博客视觉SLAM十四讲学习笔记-第六讲-非线性优化的非线性最小二乘问题_goldqiu的博客
goldqiu·2022-04-20 07:17

视觉SLAM十四讲学习笔记-第六讲学习笔记总结（2）---非线性优化应用

第六讲学习笔记如下：视觉SLAM十四讲学习笔记-第六讲-非线性优化的状态估计问题_goldqiu的博客-CSDN博客视觉SLAM十四讲学习笔记-第六讲-非线性优化的非线性最小二乘问题_goldqiu的博客
goldqiu·2022-04-20 07:47

深蓝学院-视觉SLAM课程-第3讲笔记-李群和李代数

课程Github地址：https://github.com/wrk666/VSLAM-Course/tree/master0.内容1.什么是群为什么要引入群？因为求旋转矩阵或者变换矩阵的导数时，加法不再成立，所以求矩阵的导数需要引入其他的方法，于是就引入了群。“群，环，域”都是是抽象代数中的东西因为加法在整数上面呈交换群，所以2+3=3+2=5例如：在加法上的运算，幺元为0，a+(-a)=0在乘法
读书健身敲代码·2022-04-20 07:39

视觉slam学习笔记以及课后习题《第三讲李群李代数》

前言这篇博客主要记录了我在深蓝学院视觉slam课程中的课后习题，因为是为了统计知识点来方便自己以后查阅，所以有部分知识可能不太严谨，如果给大家造成了困扰请见谅，大家发现了问题也可以私信或者评论给我及时改正
啦啦啦1231213·2022-04-20 07:05

视觉slam学习笔记以及课后习题《第五讲特征点法视觉里程计》

这篇博客主要记录了我在深蓝学院视觉slam课程中的课后习题，因为是为了统计知识点来方便自己以后查阅，所以有部分知识可能不太严谨，如果给大家造成了困扰请见谅，大家发现了问题也可以私信或者评论给我及时改正，
啦啦啦1231213·2022-04-20 07:05

视觉slam学习笔记以及课后习题《第二讲三维物体刚体运动》

前言这篇博客主要记录了我在深蓝学院视觉slam课程中的课后习题，因为是为了统计知识点来方便自己以后查阅，所以有部分知识可能不太严谨，如果给大家造成了困扰请见谅，大家发现了问题也可以私信或者评论给我及时改正
啦啦啦1231213·2022-04-20 07:04

深蓝-视觉slam-第六讲学习笔记

上一讲中，使用了特征点估计了相机的运动，本讲的光流法和直接法不需要特征匹配好的点就可以估计相机的位姿。特征点法来估计相机运动的缺点：关键点的提取和描述子的计算非常耗时。SIFT在CPU上无法实时计算，ORB也需要花费20毫秒的时间，如果整个SLAM以30毫秒/帧的速度运行，一半时间花在了计算描述子上；使用特征点时，忽略了除特征点之外的所有信息。一幅图像有几十万个像素，而特征点有几百个，只用特征点会
思考之路·2022-04-20 07:51

深蓝-视觉slam-第五讲学习笔记

引言：之前我们学习过，一个SLAM系统分为前端和后端，前端称为视觉里程计。视觉里程计根据相邻两图像的信息来估计粗略的相机运动，给后端提供一个比较好的初值。视觉里程计的算法分为两大类：特征点法和直接法。特征点法估计相机的运动是长久以来视觉里程计的主流方向。具有稳定，对光照，动态物体不敏感的优势。本讲将从特征点入手，学习如何提取，匹配图像特征点，然后通过两帧图像的信息来估计相机的运动和场景结构，从而实
思考之路·2022-04-18 11:39

深蓝-视觉slam-第四节习题

1，图像去畸变实现代码：#include#includeusingnamespacestd;stringiamge_file="../test.png";intmain(intargc,char**argv){//畸变系数doublek1=-0.28340811,k2=0.07395907,p1=0.00019359,p2=1.76187114e-05;//内参doublefx=458.654,f
思考之路·2022-04-18 11:08

深蓝-视觉SLAM-第一讲学习笔记

第一讲概述与预备知识（1）.课程内容与预备知识（2）.SLAM是什么（3）.视觉slam的数学表述和框架（4）.实践：Linux下的C++编程基础1.课程内容与预备知识物体识别：指让计算机去分析或识别一张图片或者一段影片中的物体
思考之路·2022-04-18 11:08

ubuntu16.04下安装Dynaslam的cpu版本（后续补上gpu版本）

本人是小白，刚刚接触视觉SLAM，并且看了很多人的博客，因此想记录一下自己的安装过程。我重装过后是纯净的系统，第一件事请就是装ROS，ROS中有很多依赖项，以方便我们后面在编译过程中不至
心之向阳，无畏伤悲·2022-04-16 07:33

【ORB_SLAM2源码解读】EuRoC双目数据集跑通ORB_SLAM2

源码编译下载EuRoCDataset将数据集移动到路径下stereo_euroc终端运行命令终端运行效果配置clion运行参数clion运行效果运行效果stereo_euroc运行视频Ubuntu16.04、视觉
SLAM实战教程·2022-04-15 07:04

视觉SLAM十四讲 3-三维空间刚体运动

蓝色紫色红色一、前言  本章简要介绍三维世界中刚体运动的描述方式：旋转矩阵、旋转向量、欧拉角、四元数等。二、SLAM问题的数学表述用数学语言来描述：小萝卜正携带着某种传感器在未知环境里运动相机：在某些时刻采集数据 连续时间的运动=>离散时刻对于小萝卜：t=1,...,Kt=1,...,Kt=1,...,K时刻，小萝卜在各个时刻的位置：x1,...,xKx_1,...,x_Kx1,...,xK  =
Nismilesucc·2022-04-13 10:18

云原生技术解读系列1-什么是云原生？

前言9月初给BG的新人开了一门课，专门来讲云原生技术，云原生技术从出现到现在按最早的时间出现来说也是有10多年了。尤其是这几年火热的不得了，但是cloudnative这个外文词翻译成中文“云原生”就更加的不好理解，再加上本身这个词的定义在发展中又有多次的变化，导致很多学习这块技术的同学都感觉是云里雾里，不知所谓。所以根据我对这门技术的认识，我开了这门课，一方面我认为我的认识还算比较到位，另一方面我
七度黑光·2022-04-10 09:04

SLAM笔记

SLAM问题的数学表述SLAM分类、相关理论知识、学习资源、研究方向第二部分视觉SLAM（深蓝）视觉SLAM传感器经典视觉SLAM框架另一种SLAM数学表述的思路三维空间刚体运动李群与李代数相机模型非线性优化视觉里程计特征点法直接法后端回环检测建图编程基础
fangfang12138·2022-04-06 15:47

视觉SLAM入门 -- 学习笔记 - Part 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？ubuntu下安装软件有四种方式:①通过deb格式的离线软件包安装sudodpkg-ixxx.deb#安装包,安装程序-i:installsudodpkg-rpackage#删除包-r:remove此法的默认安装目录为:/opt②通过apt-get包管理器从软件源中在线安装(最常用的方式)sudoapt-get
昼行plus·2022-04-06 15:47

ubuntu18.04配置ORB-SLAM3（包含ROS）完整版教程

组内有新生讲课的习惯，目前选题为视觉slam介绍，程序方面就选
黄宏智·2022-04-04 07:46

(一)卡尔曼滤波算法简介

卡尔曼滤波算法简介1.卡尔曼滤波器--最优状态估计2.非线性系统2.1扩展卡尔曼滤波器EKF2.2无迹卡尔曼滤波器UKF2.3粒子滤波器3.总结参考自B站MATLAB中国及《视觉SLAM十四讲》第9章9.11
恒友成·2022-04-01 07:58

200万年薪的博士，华为到底看重什么？

钟钊研究的是深度神经网络结构的自动设计，秦通研究方向主要包括机器视觉SLAM，视觉惯导融合，多传感器定位。按年薪排序，紧随其后的李屹毕业于北京大学数
AI科技大本营·2022-03-30 07:25

Apache ShardingSphere 5.1.0 执行引擎性能优化揭秘

前言在ApacheShardingSphere5.1.0前几篇技术解读文章中，我们了解了解
·2022-03-25 16:18

【新功能】开放搜索多路召回技术解读

简介：多路召回就是指采用不同的策略、特征或者简单模型，分别召回一部分候选集，然后再把这些候选集混合在一起后供后续排序模型使用的策略，本文将介绍开放搜索平台上的多路召回技术是如何深度提升搜索效果的。背景所谓的“多路召回”就是指采用不同的策略、特征或者简单模型，分别召回一部分候选集，然后再把这些候选集混合在一起后供后续排序模型使用的策略。阿里云开放搜索（OpenSearch）是基于阿里巴巴自主研发的大
·2022-03-24 14:54

【新功能】开放搜索多路召回技术解读

简介：多路召回就是指采用不同的策略、特征或者简单模型，分别召回一部分候选集，然后再把这些候选集混合在一起后供后续排序模型使用的策略，本文将介绍开放搜索平台上的多路召回技术是如何深度提升搜索效果的。背景所谓的“多路召回”就是指采用不同的策略、特征或者简单模型，分别召回一部分候选集，然后再把这些候选集混合在一起后供后续排序模型使用的策略。阿里云开放搜索（OpenSearch）是基于阿里巴巴自主研发的大
·2022-03-24 14:20

技术解读：高效的链上动态 Merkle Tree

编按：本文是QuarkChain创始人&CEO周期博士在以太坊技术论坛ethresear.ch发布的一篇技术文章，介绍了一个高效的Merkletree方案设计。原文链接：https://ethresear.ch/t/effici...简介遵循以太坊2.0的无状态客户端的思想，我们实现了一个高效的链上动态Merkletree（默克尔树）：链上包含性验证；链上添加/就地更新；O(1)存储空间成本；更新
·2022-03-24 14:52

数据库OceanBase创始人阳振坤：通关TPC-C到底有多难？

为了让大家更好的了解测试的技术细节，我们特意邀请了OceanBase的核心研发人员对本次测试做专业的技术解读，本文为第一篇，后续文章也将于近日对外发布。
阿里云云栖号·2022-03-24 07:56

c++对数函数_数据库OceanBase创始人阳振坤：通关TPC-C到底有多难？

为了让大家更好的了解测试的技术细节，我们特意邀请了OceanBase的核心研发人员对本次测试做专业的技术解读，本文为第一篇，后续文章也将于近日对外发布。
weixin_39961522·2022-03-24 07:52

技术解读：英特尔 x86 平台上，AI 能力是如何进行演进的？（附PPT）

简介：AI生态系统是怎样的？其中又有哪些关键技术？AI计算力的指数增长意味着，为了解决越来越复杂的用例，即使是1000倍的计算性能增长也很容易被消耗。因此，需要通过软件生态系统的助力，才能达到更好的性能。我们相信，构建AI软件生态系统，是将人工智能和数据科学项目推向生产的关键。本文整理自龙蜥大讲堂技术直播第四期，由龙蜥社区AISIG核心成员、英特尔AI软件开发⼯程师黄文欢分享——用技术和实例讲解英
·2022-03-21 12:07

ORB-SLAM3 细读单目初始化过程(上)

点击上方“计算机视觉工坊”，选择“星标”干货第一时间送达学习ORB-SLAM3单目视觉SLAM中，发现有很多知识点需要展开和深入，同时又需要对系统有整体的认知，为了强化记忆，记录该系列笔记，为自己图方便
Tom Hardy·2022-03-21 07:28

技术解读：英特尔 x86 平台上，AI 能力是如何进行演进的？（附PPT）

AI计算力的指数增长意味着，为了解决越来越复杂的用例，即使是1000倍的计算性能增长也很容易被消耗。因此，需要通过软件生态系统的助力，才能达到更好的性能。我们相信，构建AI软件生态系统，是将人工智能和数据科学项目推向生产的关键。本文整理自龙蜥大讲堂技术直播第四期，由龙蜥社区AISIG核心成员、英特尔AI软件开发⼯程师黄文欢分享——用技术和实例讲解英特尔x86平台AI能力演进的关键。以下是本期龙蜥大
·2022-03-14 19:44

面由心生，由脸观心：基于AI的面部微表情分析技术解读

本文为大家带来的演讲主题是“面由心生，由脸观心”，将主要分享如何快速实时且精准检测并识别面部情绪。俗话说“面由心生”，意思是如果你心理有情绪，我们一般能够从你的脸上观察到，这种技术可以说是“由脸观心”，是一种基于面部的AI情绪识别技术。本文主要覆盖四部分内容：微表情定义和意义。微表情研究面临的挑战。微表情的现状和进展。现有的数据库（各自的优缺点）、微表情的特征、检测算法、识别算法、应用、已有方法比
·2022-03-04 20:54

这个SLAM的专题不错

视觉SLAM基础理论_努力努力努力-CSDN博客视觉SLAM基础理论别低头，王冠会掉；别流泪，坏人会笑转载VINS细节系列-readIntrinsicParameter（）一、相机标定参数读取trackerData
拔剑_浆糊的传说·2022-02-23 19:31

视觉SLAM十四讲学习笔记-第七讲-视觉里程计-单应矩阵和实践

专栏汇总视觉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-开发环境搭建
goldqiu·2022-02-20 07:13

视觉SLAM面试题汇总（2019年秋招题库参考）——第一部分

为了充分利用面试题的学习价值，建议大家先自行解答一遍，再对照参考答案！温馨提示：文章过长，且题库仅放送了一部分，建议先收藏加关注再花时间自行查阅~1.SIFT和SUFT的区别2.相似变换、仿射变换、射影变换的区别3.Homography、Essential和FundamentalMatrix的区别4.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
书哲_深蓝学院·2022-02-16 18:23

08 [转]TWS耳机五大关键技术解读

原文链接摘要：TWS技术是基于蓝牙芯片技术发展而来的，其工作原理是指手机通过连接主耳机，再由主耳机通过无线方式快速连接副耳机，实现真正的蓝牙左右声道无线分离使用。2016年，苹果正式发布无线耳机AirPods，自此，TWS（TrueWirelessStereo，真无线立体声）耳机诞生。目前，AirPods已经演进到了第三代，通话稳定性、降噪性能及待机时间都给用户带来了深刻印象，成为了TWS耳机的行
曹庆峰Franck·2022-02-16 07:04

[论文笔记]StaticFusion: Background Reconstruction for Dense RGB-D SLAM in Dynamic Environments

动态环境对于视觉SLAM来说是一个挑战，因为运动的物体会破坏相机的姿态跟踪
liampayne_66d0·2022-02-16 01:10
上一页 18 19 20 21 22 23 24 25 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他