视觉SLAM技术解读

Ubuntu部署运行ORB-SLAM2

ORB-SLAM2是特征点法的视觉SLAM集大成者，不夸张地说是必学代码。博主已经多次部署运行与ORB-SLAM2相关的代码，所以对环境和依赖很熟悉，对整个系统也是学习了几个月，一行行代码理解。
振华OPPO·2023-10-01 09:21

自学视觉SLAM（1）

引言小编研究生的研究方向是视觉SLAM，目前在自学，已经学了Linux系统的基本操作，vim编辑器以及高翔老师的一些视屏。本篇文章为初学笔记。
Chris·Bosh·2023-09-30 10:08

《视觉 SLAM 十四讲》V2 ——第3讲

文章目录《视觉SLAM十四讲》V22019年2.2经典视觉SLAM框架运动方程和观测方程HelloSLAM查看ubuntu版本lsb_release-acmake+makeVSCode自己下包安装，不要
Gaogaogaoshu·2023-09-29 10:59

PolarDB-X 存储引擎核心技术 | Paxos 多副本

本文主要对存储引擎核心中高可用部分详细技术解读。背景传统的存储引擎高可用主要采用主备同步的
阿里云云栖号·2023-09-28 10:03

GaussDB技术解读系列：性能调优

近日，在第14届中国数据库技术大会（DTCC2023）的GaussDB“五高两易”核心技术，给世界一个更优选择专场，华为数据库技术专家李士福详细解读了GaussDB性能调优的相关技术和应用实践。本篇为大家分享GaussDB性能调优的实践。主要包括三个部分，分别是性能调优的整体介绍，性能调优的关键技术，性能调优的应用实践。GaussDB性能调优简介我们知道数据库作为系统软件，在整个计算机体系中起到关
Gauss松鼠会·2023-09-26 10:06

【SLAM】在WSL中搭建环境(Linux子系统)

目录说在前面linux子系统安装换源安装主要库测试一下说在前面windows版本：win10linux：ubuntu18.0.4SLAM学习：视觉SLAM十四讲-高翔pdf、对应github源码其他：懒得装双系统了
o0o_-_·2023-09-24 10:26

超全！SLAM论文与开源代码汇总（激光+视觉+融合）

1.代表性视觉SLAM算法论文与开源代码总结2.代表性激光SLAM算法论文与开源代码总结3.代表性激光-视觉融合SLAM算法论文总结激光-视觉-IMU-GPS融合SLAM算法理论与代码讲解：https:
3Ｄ视觉工坊·2023-09-22 11:36

全部开课！加入学习群一起进步（附点云、多传感器融合、SLAM、三维重建课程）...

前言终于，工坊参与开发的几门课程已全部上线，涉及点云处理、三维重建、视觉SLAM、激光SLAM、自动驾驶多传感器融合感知等内容。
3Ｄ视觉工坊·2023-09-22 11:05

【SLAM】 前端-视觉里程计之特征点

前端-视觉里程计之特征点参考资料：以不变应万变：前端-视觉里程计之特征点视觉SLAM——特征点法task05本次了解了特征点是由关键子和描述子组成，并且对比了SIFT、SURF等七种获取特征点的方法，同时对比了
宏辉·2023-09-22 10:38

三维重建代码实现（四）

这里我们假定你有一定的三维重建相关的基本知识，作者在这里推荐高翔博士的《视觉SLAM十四讲：从理论到实践》，在B站上有高翔博士的讲解视频。
风之旅人c·2023-09-21 06:26

PolarDB-X 存储引擎核心技术 | Paxos 多副本

本文主要对存储引擎核心中高可用部分详细技术解读。背景传统的存储引擎高可用主要采用主备同步的
·2023-09-19 12:07

视觉SLAM 第7讲 本质矩阵 基础矩阵 单应矩阵 知识点/证明/理解/秩/自由度

视觉SLAM第7讲本质矩阵基础矩阵单应矩阵证明/理解/秩/自由度1.基础知识2.本质矩阵E2.1本质矩阵的秩为什么是22.2本质矩阵的自由度为什么是53.基础矩阵F3.1基础矩阵的秩为什么是23.2基础矩阵的自由度为什么是
LYF0816LYF·2023-09-19 11:40

本质矩阵，基础矩阵，单应矩阵

转载：立体视觉入门指南（2）：关键矩阵（本质矩阵，基础矩阵，单应矩阵）视觉SLAM中，本质矩阵、基础矩阵、单应性矩阵自由度和秩分析。
爱钻研的小铭·2023-09-19 11:39

室内探索无人机，解决复杂环境下的任务挑战！

该系统集成了自主定位、视觉SLAM模块、路径规划模块和目标识别模块等关键算法和功能，为开发者提供一套开源、智能的室内无人机探索
阿木实验室·2023-09-19 11:01

OpenHarmony加速行业应用落地，多款软件发行版正通过兼容性测评

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。
OpenHarmony开发者·2023-09-19 08:53

GaussDB技术解读系列：数据库迁移创新实践

近日，以“数智赋能共筑未来”为主题的第14届中国数据库技术大会（DTCC2023）在北京举行，在GaussDB“五高两易”核心技术，给世界一个更优选择的专场，华为云数据库生态工具研发总监窦德明分享了GaussDB数据库的迁移创新实践。本篇将分享GaussDB数据库迁移的创新实践。易迁移能力是企业数据库替换选型的关键考量数据库的选型除了要看数据库本身的能力外，能否很平滑地从其他数据库迁移到Gauss
Gauss松鼠会·2023-09-19 05:20

【视觉SLAM入门】8. 回环检测，词袋模型，字典，感知，召回，机器学习

"见人细过掩匿盖覆”1.意义2.做法2.1词袋模型和字典2.1.2感知偏差和感知变异2.1.2词袋2.1.3字典2.2匹配(相似度)计算3.提升前言：前端提取数据，后端优化数据，但误差会累计，需要回环检测构建全局一致的地图；1.意义通俗的讲，机器人两次经过同一个场景，为了检测是同一个场景，这就是回环检测。它可以用来构建全局一致的地图。有了时隔更加久远的约束，一定程度消除累计飘移。形象的想弹簧，就是
终问鼎·2023-09-19 04:14

【视觉SLAM入门】9.1 建图1---SLAM任务，稠密地图构建，立体视觉，RGBD，八叉树，点云地图等各种不同地图

"讷为君子，寡为吉人”1.立体稠密地图1.1地图构建1.2分析立体相机稠密建图效果2.RGB-D稠密地图2.1地图对比2.1.1八叉树地图3.建图？定位？孰轻孰重3.1鬼影问题3.2三维重建4.总结SLAM的功能：直到现在我们可以知道SLAM包含：定位，导航，避障，重建，交互。在不同的功能下也有不同的地图。之前的都是稠密地图，不同功能要不同地图，本节看稠密地图构建。1.立体稠密地图构建地图必须要知
终问鼎·2023-09-19 04:13

【SLAM】视觉SLAM简介

【SLAM】视觉SLAM简介task04主要了解了SLAM的主流框架，清楚VSALM中间接法与直接法的主要区别在什么地方，其各自的优势是什么，了解前端与后端的关系是什么1.什么是SLAM2.VSALM中间接法与直接法的主要区别在什么地方
宏辉·2023-09-17 12:18

【VSLAM】DXSLAM安装和运行

DXSLAM是一个基于深度CNN特征提取的视觉SLAM系统，论文地址，实测效果不咋地，TUM换个数据集就跟踪丢了（1）C++依赖库安装C++11orC++0xCompilerPangolinOpenCVEigen3Dbow
阿栋阿栋·2023-09-17 07:54

GaussDB技术解读系列：运维自动驾驶探索

近日，在第14届中国数据库技术大会（DTCC2023）的GaussDB“五高两易”核心技术，给世界一个更优选择专场，华为云数据库运维研发总监李东详细解读了GaussDB运维系统自动驾驶探索和实践。随着企业数字化转型进入深水区，数据库系统越来越复杂，运维团队维护的数据库规模越来越大，传统工具化的运维已无法满足当前运维的要求，数据库运维逐渐向智能化发展。如何更好地感知和预测数据库故障，进而进行智能诊断
Gauss松鼠会·2023-09-16 12:38

【视觉SLAM入门】7.4.后端优化 --- 基于位姿图和基于因子图

"议论平恕，无所向背”1.位姿图1.1具体做法1.2小结2.因子图2.1具体做法2.1.1贝叶斯网络2.1.2因子图2.1.3更具体的因子图2.1.4增量的求解方法引入：上节BA将位姿和路标都作为优化的节点，H矩阵也告诉我们路标远大于位姿，时长会导致资源等问题。办法：滑动窗口法：保持H固定大小，丢弃历史位姿图：不管路标，只管位姿，从BA变成PoseGraph，容易看出资源会少很多很多，如下：1.位
终问鼎·2023-09-16 03:34

视觉SLAM ch13 设计SLAM系统

目录一、SLAM系统二、工程框架三、框架流程四、具体实现五、VO整体流程六、显示整体建图效果一、SLAM系统实现一个精简版的双目视觉里程计，前端使用光流法，局部使用局部BA优化。二、工程框架app中run_kitti_stereo.cpp是代码的运行入口程序bin存放编译好的可执行程序include存放头文件，include/myslam放自己写的头文件src存放源代码文件test放测试用文件co
雨幕丶·2023-09-14 22:33

学习视觉SLAM需要会些什么？

前言SLAM是现阶段很多研究生的研究方向，我也是作为一个即将步入视觉SLAM的研究生，网上对于SLAM的介绍很多，但很少有人完整系统的告诉你学习视觉SLAM该有那些基础，那么此贴将告诉你学习SLAM你要有那些方面的基础
Chris·Bosh·2023-09-14 19:05

手撕 视觉slam14讲 ch13 代码（2）基本类的抽象

在正式写系统之前，我们在上一篇分析了基本的3个类：帧、2D特征点、3D地图点，这次我们开始代码实现这些基本数据结构：1.帧类常见的SLAM系统中的帧（Frame）需要包含以下信息：id，位姿，图像，左右目特征点frame.h:在抽象的过程中，我们分为参数和函数的确定，首先是参数：该帧的id该帧作为关键帧（keyframe）的id是否为关键帧时间戳TCW类型的位姿（pose）pose的数据锁该帧能看
全日制一起混·2023-09-14 01:36

手撕 视觉slam14讲 ch13 代码（3）相机类、数据集类、参数配置类

我们首先从数据集读取入手，包括读取数据集的参数文件来获得相机的内参和外参,以及读取图片，因此，我们还需要抽象出相机类、数据集类、参数配置类。相机类最简单，我们先来实现它1.相机类camera.h:Camera类存储相机的内参和外参,并完成相机坐标系、像素坐标系、和世界坐标系之间的坐标变换。在抽象的过程中，我们分为参数和函数的确定，首先是参数：智能指针定义内参基线外参，双目到单目位姿变换外参的逆，即
全日制一起混·2023-09-14 01:06

手撕 视觉slam14讲 ch13 代码（4）VisualOdometry类和工程主函数

1.run_kitti_stereo.cpp接下来我们开始进入工程主函数run_kitti_stereo.cpp，流程非常简单：首先实例化了一个VisualOdometry类的类指针vo，传入config的地址然后vo类指针调用VisualOdometry类中的Init()函数，进行VO的初始化。在初始化成功后运行VisualOdometry类的Run()函数，开始正常运行VO。#include#
全日制一起混·2023-09-14 01:04

【视觉SLAM入门】7.3.基于KF/EKF和基于BA图优化的后端，推导及举例分析

"时间倾诉我的故事"1.理论推导2.主流解法3.用EKF估计状态3.1.基于EKF代表解法的感悟4.用BA法估计状态4.1构建最小二乘问题4.2求解BA推导4.3H的稀疏结构4.4根据H稀疏性求解4.5鲁棒核函数4.6编程注意5.总结引入：前端里程计能给出一个短时间内的轨迹和地图，时间长则不准确；为了得到长时间内最优轨迹和地图，构建一个规模更大的优化问题。在后端优化中，通常考虑更长时间内的状态估计
终问鼎·2023-09-12 09:52

起于编程，终于打工人

我是一名来自西安的研0学生，本科是某双非一本，专业是通信工程，本科的我傻傻的只知道学习学习的知识，虽然学习成绩不错在专业前10%，但是找工作时却屡屡碰壁，于是考研，现已经上岸某双非一本，导师的研究方向是机器视觉
Chris·Bosh·2023-09-11 18:00

SLAM论文详解(5) — Bundle_Adjustment_LM(BALM)论文详解

在视觉SLAM，三维重建等应用中，它被广泛用于优化相机位姿和地图的精度。在视觉slam中，BA通过最小化特征之间的重投影误差，有效得优化相机位姿和地图的一致性，从而提
几度春风里·2023-09-11 06:41

用笔记本自带摄像头跑通ros1 ORB_SLAM3单目程序

环境：ubuntu20.4ros1noetic联想thinkpadx230自带摄像头没有安装好ORB_SLAM3请参考https://fishros.org.cn/forum/topic/842/视觉slam-orb_slam3
JT_BOT·2023-09-11 06:15

SLAM ORB-SLAM2（1）总体框架

SLAMORB-SLAM2（1）总体框架1.简介2.框架3.TRACKING4.LOCALMAPPING5.LOOPCLOSING6.MAP1.简介ORB-SLAM2是一个实时和完整的视觉SLAM系统(
氢键H-H·2023-09-10 21:50

SLAM ORB-SLAM2（1）总体框架

SLAMORB-SLAM2（1）总体框架1.简介2.框架3.TRACKING4.LOCALMAPPING5.LOOPCLOSING6.MAP1.简介ORB-SLAM2是一个实时和完整的视觉SLAM系统(
氢键H-H·2023-09-10 09:21

视觉SLAM14讲笔记-第10讲-后端1

我们可以看到，前端视觉里程计能给出一个短时间内的轨迹和地图，但由于不可避免的误差累积，这个地图在长时间内是不准确的。所以怎么办？我们人类自己在现实世界中会记录自己走了多少米，还有就是使用路面的标志物来辅助定位，和机器人的方式也是相同的，即同时存在2种数学上的解释：运动方程，观测方程。因此，我们关心的问题就变成：当我拥有某些运动数据u和观测数据z时，如何来确定状态量位姿x，路标y的分布？进而，如果得
可峰科技·2023-09-10 00:42

【视觉SLAM入门】7.2. 从卡尔曼滤波到扩展卡尔曼滤波，引入、代码、原理、实战，C++实现以及全部源码

"觇其平生，岂能容物？"0.简单认识1.公式对比解读2.应用举例3.解决方案(公式---代码对应)3.1初始化3.2EKF3.2.1预测---状态方程3.2.2系统协方差矩阵3.2.3预测---系统协方差矩阵3.2.4设置测量矩阵3.2.5更新---状态变量，卡尔曼增益，状态协方差矩阵4.源码4.1Extended_kalman_filter.hpp4.2main.cpp4.3CMakeLists
终问鼎·2023-09-09 00:55

[转] ICRA2022 SLAM相关论文整理

目录视觉SLAM相关线、面、3Dfeature多相机系统VIO+GPS其他数据集三维重建语义SLAMSpecialsensorLidar相关视觉SLAM相关线、面、3DfeatureEDPLVO:EfficientDirectPoint-LineVisualOdometry
Zolony·2023-09-07 10:09

视觉SLAM14讲笔记-第5讲-相机与图像

图像成像原理：小孔成像公式：(uv1)=1Z(fx0cx0fycy001)(XYZ)=1ZKP\begin{pmatrix}u\\v\\1\end{pmatrix}=\frac{1}{Z}{\begin{pmatrix}f_x&0&c_x\\0&f_y&c_y\\0&0&1\end{pmatrix}}{\begin{pmatrix}X\\Y\\Z\end{pmatrix}}=\frac{1}{Z}
可峰科技·2023-09-07 02:04

视觉SLAM14讲笔记-第7讲-视觉里程计2

直接法的引出直接法是视觉里程计另一个主要分支，它与特征点法有很大的不同。使用特征点法估计相机运动时，我们把特征点看作固定在三维空间的不动点。根据它们在相机中的投影位置，通过最小化重投影误差来优化相机运动。相对地，在直接法中，我们并不需要知道点与点之间的对应关系，而是通过最小化光度误差来求得它们。其实还是要使用到内参矩阵构建两张图像之间关联，然后使用优化的方式来求解R，t。光流的引出其实就是特征点跟
可峰科技·2023-09-07 02:04

视觉SLAM14讲笔记-第7讲-视觉里程计1

图像特征点特征点由关键点和描述子两部分组成。我们说的特征点具有旋转不变性，都是指的是特征点的描述子具有旋转不变性，而描述子指的是一个点周围的特征，一般由一个向量组成，描述一个点附近的特征（比如45度方向是亮的，135度方向是暗的等）比较著名的图像特征点包括SIFT、SURF、ORB等。ORB提取速度比较快，所以在特征点法来获得视觉里程计一般使用ORB算子。特征匹配当特征点数量很大时，暴力匹配法的运
可峰科技·2023-09-07 02:33

视觉slam十四讲---第一弹三维空间刚体运动

1.旋转矩阵1.1内积1.2外积1.3坐标系间的欧式变换相机运动是一个刚体运动，它保证了同一个向量在各个坐标系下的长度和夹角都不会发生变化。这种变换称为欧氏变换。旋转矩阵：它是一个行列式为1的正交矩阵。旋转矩阵为正交阵，它的逆（即转置）描述了一个相反的旋转。加上平移：1.4变换矩阵与齐次坐标关于变换矩阵T，它具有比较特别的结构：左上角为旋转矩阵，右侧为平移向量，左下角为0向量，右下角为1。这种矩阵
好人cc·2023-09-05 16:26

视觉SLAM十四讲第六讲笔记

视觉SLAM十四讲第六讲笔记我们已经知道，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。
Tianchao龙虾·2023-09-04 17:00

点云slam常见框架、运动补偿、ICP、LM、牛顿法、GTSAM图优化函数库

从落地情况来看，视觉slam和激光slam，相对来说激光slam更容易落地视觉相对来说劣势：视觉，描述子，白天，黑夜，算力相对来说没有激光slam鲁棒Livox前言：1rad=(/180)1°=1/180rad
SensorFusion·2023-09-04 17:28

非线性优化

状态估计问题2.1最大后验与最大似然2.2最小二乘的引出2.3例子：批量状态估计3.非线性最小二乘3.1一阶和二阶梯度法3.2高斯牛顿法3.3列文伯格---马夸尔特方法3.4小结Reference:高翔，张涛《视觉
泠山·2023-09-04 17:58

视觉slam学习|基础篇02

系列文章目录SLAM基础篇01SLAM基础篇02目录系列文章目录计算机视觉基础相机模型像素坐标归一化坐标畸变双目相机模型计算机中图像的表示非线性优化基础slam问题建模非线性最小二乘一阶和二阶梯度法Gauss-Newton法Levenberg-Marquant方法小结计算机视觉基础SLAM中使用的相机与我们平时见到的单反摄像头并不是同一个东西。它往往更加简单，不携带昂贵的镜头，以一定速率拍摄周围的
David小伟同学·2023-09-04 17:27

视觉SLAM学习笔记（二）

视觉里程计前边我省略了大量用数学知识来描述的内容，比如三维世界中刚体运动的描述方式，包括旋转矩阵，旋转向量，欧拉角，四元数等，但是我们在下边仍然要去自己学习。视觉里程计的主流方法是特征点法，顾名思义，即从图像中选取比较有代表性的点，观察各个图像中这些点的位置来判断物体的移动。下面只介绍几种常用的特征点。ORB特征匹配ORB特征由关键点和描述子组成，提取ORB特征分为以下几个步骤：FAST角点提取，
Sunshine_晗晗·2023-09-04 00:37

巨头们的先进封装技术解读

来源：图灵人工智能在上《先进封装最强科普》中，我们对市场上的先进封装需求进行了一些讨论。但其实具体到各个厂商，无论是英特尔（EMIB、Foveros、FoverosOmni、FoverosDirect）、台积电（InFO-OS、InFO-LSI、InFO-SOW、InFO-SoIS、CoWoS-S、CoWoS-R、CoWoS-L、SoIC）、三星（FOSiP、X-Cube、I-Cube、HBM、D
人工智能学家·2023-09-03 22:55

历史库存储成本节约至少 50% ，OceanBase数据压缩核心技术解读

“数据是二十一世纪的石油”，这个观点正在逐渐成为现实，现在我们有各种各样的IT系统不断地生产着数据，这些数据累积起来为我们的生产生活带来了很多便利。但在挖掘这些数据价值的同时，大量数据的存储与计算也带来了巨大的成本，降本增效也成为了很多IT系统设计的重点。赵赛铜OceanBase高级开发工程师，TPC-H项目组成员。目前在OceanBase存储-分析处理组，工作方向是存储结构和分析处理功能的维护与
OceanBase数据库官方博客·2023-09-03 05:59

《视觉SLAM十四讲》读书笔记（四）

非线性优化6.1状态估计问题6.1.1批量状态估计与最大后验估计6.1.2最小二乘的引出6.1.3最小二乘问题解析解6.2非线性最小二乘6.2.1一阶和二阶梯度法（1）最速下降法（2）牛顿法（3）小结1（4）**补充：矩阵求导公式**6.2.2高斯牛顿法**高斯牛顿法的缺陷**6.2.3列文伯格——马夸尔特方法列文伯格-马夸尔特算法伪代码6.2.4Dogleg最小化法（占坑）6.3实践：曲线拟合问
家家的快乐空间·2023-09-03 01:24

手撕 视觉slam14讲 ch13 代码（1）工程框架与代码结构

在学习slam一年之后开始，开始自己理思路，全手敲完成ch13的整个代码我们按照自己写系统的思路进行，首先确定好SLAM整体系统的流程，见下图，输入为双目图像，之后进入前端位姿估计和后端优化，中间维护一个由关键帧和地图点组成的地图根据确定好工程框架后，确定我们的代码框架，新建以下文件夹：1.bin用来存放可执行的二进制;2.include/MYSLAM存放slam模块的头文件,主要是.h3.src
全日制一起混·2023-09-02 20:01

视觉SLAM学习笔记2——centos7与ubuntu20.04下eigen库的安装与基本操作

视觉SLAM学习笔记2——centos7与ubuntu20.04下eigen库的安装与基本操作内容来源eigen库的安装centos7系统ubuntu系统CMakeLists.txt编辑eigenMatrix.cpp
隔壁老王的学习日志·2023-09-02 12:36
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他