视觉SLAM

视觉SLAM14讲的学习笔记

下面主要是对书籍《视觉SLAM14讲》的一个学习笔记，只是前面7章的笔记，后面几张后续再更新。。。
stevedish_xiaojia·2020-08-23 02:26

《视觉SLAM十四讲》第六讲-g2o实践代码报错解决方法

《视觉SLAM十四讲》第六讲-g2o实践代码报错解决方法写在前面本文转载自《视觉SLAM十四讲》第六讲g2o实践代码报错解决方法https://blog.csdn.net/mengyandelove/article
wongHome·2020-08-23 02:03

视觉SLAM综述（入门篇）

  最近几天刚刚接触到视觉SLAM这个研究方向，发现这个方向的知识点挺多挺杂的，于是就自己看文献，刷博客，大致对视觉SLAM有了整体的了解.  
宅男不宅·2020-08-23 02:19

《视觉SLAM十四讲》第二讲学习笔记运行代码可能遇到的问题

在运行可视化演示代码visualizeGeometry行可能会遇到以下错误：解决方法安装Pangolin库1.Pangolin获取地址gitclonehttps://github.com/stevenlovegrove/Pangolin2.安装依赖库：sudoapt-getinstalllibglew-devsudoapt-getinstallcmakesudoapt-getinstalllibb
科学无解·2020-08-23 02:37

《视觉SLAM十四讲》学习系列（1）—经典视觉SLAM框架

《视觉SLAM十四讲》学习系列（1）—经典视觉SLAM框架视觉SLAM十四讲学习系列1经典视觉SLAM框架视觉里程计后端优化回环检测建图度量地图拓扑地图SLAM问题的数学表述本文主要内容来自《视觉SLAM
风中之萍·2020-08-23 02:15

视觉SLAM十四讲系列之第九讲设计前端0.1版本

文章目录前言编译运行安装依赖编译文件编译步骤运行结果算法解析源码解读mappoint.hmappoint.cppmap.hmap.cppframe.hframe.cppcamera.hcamera.cppconfig.h
小秋SLAM笔记·2020-08-23 02:41

视觉SLAM十四讲系列文章之第九讲设计前端0.3版

文章目录前言编译运行安装依赖编译文件编译步骤运行结果算法解析源码解读g2o_types.hg2o_types.cpp参考资料前言编译运行安装依赖编译文件编译步骤运行结果算法解析今天开始学习设计前端第三个版本代码的学习，先来运行一下程序，然后出错了！/home/q
小秋SLAM笔记·2020-08-23 02:41

解读《视觉SLAM十四讲》，带你一步一步入门视觉SLAM—— 第 6 讲 非线性优化

Hello，各位好朋友，还记得第五讲的时候，我跟你们说过纯数学理论的内容暂时告一段落！好吧，我骗你们了，哈哈！这一讲不但是纯数学理论，而且还是很有难度的纯数学理论，如果你在看我这篇博客之前，已经看过这一讲的内容了，我相信第一次见到这些内容你可能根本不知道他在说啥！书上眼花缭乱的公式，似乎一直在向你传达两个字——放弃！哈哈，开个玩笑！一、原书内容由于噪声的影响，我们的运动方程和观测方程都不是严格成立
一点儿也不萌的萌萌·2020-08-23 00:25

解读《视觉SLAM十四讲》，带你一步一步入门视觉SLAM—— 第 3 讲 三维刚体运动 （上）

上一讲是初识SLAM，如果你还觉得SLAM很简单，那么从这一讲开始，可能问题就要变得棘手了。不过万事开头难，坚持下去终究会守得云开见月明！第3讲三维刚体的运动原书主要内容在这一讲中，作者原书主要介绍了：三维刚体运动的数学描述方法，包括旋转矩阵、变换矩阵、四元数、欧拉角；以及一种C++常用的数学矩阵运算库Eigen。解读点和向量原书中作者首先介绍了旋转矩阵，在介绍旋转矩阵之前，做了一些铺垫工作，其中
一点儿也不萌的萌萌·2020-08-23 00:25

解读《视觉SLAM十四讲》，带你一步一步入门视觉SLAM—— 第 9 讲 实践：设计前端

Hello，各位朋友，新年快乐！我们要进入第9讲的解读了，第9讲是纯实践的一讲，我觉得作者的这个布置实在是对初学者太友好了，前面我们学习了前端的所有内容，然后来一个手写前端，一方面复习了前面的内容，另一方面可以让我们简单地窥探一下一个SLAM系统大概长啥样！我还是很希望你好好学习一下这部分代码，如果你是初学者，这可能是见过的最完整的SLAM系统了，如果你掌握了它，你再去看别的优秀开源SLAM框架，
一点儿也不萌的萌萌·2020-08-23 00:25

解读《视觉SLAM十四讲》，带你一步一步入门视觉SLAM—— 第 2 讲 初识SLAM （上）

在上一篇博客中，我解读了《视觉SLAM十四讲》第1讲的内容。在第一讲中，书中并没有什么技术性的问题，主要是作者介绍了一些预备知识。这篇博客，我要带你解读第2讲——初识SLAM。
一点儿也不萌的萌萌·2020-08-23 00:53

视觉SLAM十四讲从理论到实践第二版源码调试笔记（理论基础1-6章）

2019-2020-2学期机器人工程专业需要开设SLAM技术课程，使用教材为视觉SLAM十四讲从理论到实践第二版。
zhangrelay·2020-08-23 00:26

《视觉SLAM十四讲》学习日志(二)——初识SLAM

《视觉SLAM十四讲》学习日志(二)——初识SLAM小萝卜机器人的例子：就像这种机器人，它的下面有一组轮子，脑袋上有相机(眼睛)，为了让它能够探索一个房间，它需要知道：1.我在哪——定位2.周围环境怎么样
RBLT·2020-08-23 00:42

解读《视觉SLAM十四讲》，带你一步一步入门视觉SLAM—— 第 2 讲 初识SLAM （下）

在上一篇博客中，我主要解读了视觉SLAM所用的传感器和经典的视觉SLAM框架。在这篇博客中，我接着上一篇博客的内容，解读第二讲的下半部分：SLAM问题的数学表述；完成后续代码实践需要做的准备工作。
一点儿也不萌的萌萌·2020-08-23 00:03

SLAM视觉词典创建与应用

SLAM视觉词典创建与应用主要内容：一、单目视觉SLAM二、自然特征提取及视觉词典创建三、视觉词典的人工路标模型创建四、闭环检测五、混合人工自然特征的单目视觉SLAM六、发展方向一、单目视觉SLAM1.
youli_3·2020-08-22 03:46

SLAM学习

SLAM学习一、SLAM典型应用领域二、SLAM框架三、研究现状四、SLAM分类（基于传感器SLAM分类）五、公开数据集六、开源方案七、视觉SLAM发展八、VSLAM未来趋势SLAM（Simultaneouslocalizationandmapping
酸乳酸乳·2020-08-22 02:53

视觉词袋 visual bag of words

视觉词袋许多应用中需要快速的图像特征匹配，比如视觉SLAM中的回环检测环节，需要实时判断当前图像帧是否在之前的图像数据库中出现，为了满足实时场景，对时间要求非常敏感。
mqqiao·2020-08-22 02:59

SLAM闭合回环————视觉词典BOW小结

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
Darlingqiang·2020-08-22 00:01

【SLAM十四讲】 第五讲

视觉slam十四讲之第五讲相机与图像这一讲主要就是内参（针孔模型）与外参（同一点不同坐标系转换），相机畸变（切向和径向）以及图像在计算机上的表示。
Min220·2020-08-21 14:23

视觉SLAM14讲部分第三方库的安装方法：opencv3 pangolin pcl g2o

最近在学习高博的《视觉SLAM14讲》在安装第三方库的时候遇到了不少的问题，好不容易安装完成之后系统又崩了无奈重新装系统，重新安装库。期间唯一的收获就是学会了自己装系统。
NSSC_K·2020-08-21 03:14

ORB-SLAM：让人Orz的SLAM

文章目录1系统框架2特征提取3单目初始化4共视图和本质图5相机重定位6关键帧和地图点7花式BundleAdjustment8结语ORB-SLAM，这个在视觉SLAM领域家喻户晓的名字，江湖地位不用多说，
一点一的N次方·2020-08-20 09:11

词袋模型（BoW）在视觉SLAM中的应用

当我们把机器人放在一个未知的环境中时，机器人能通过附近的环境对自身进行定位，并绘制出附近环境的地图，当然这个地图不是说我们常常看的那种地图，而是一些能够被机器人用来定位的数据点，我们也把它们叫做点云右边这个图是视觉
正一番薯·2020-08-20 08:32

【SLAM】三维空间刚体运动（世界坐标系到相机坐标系）

参考《视觉slam十四讲》旋转矩阵三维空间向量可以表示如下a⃗=[e1e2e3][a1a2a3]\vec{a}=\left[\begin{array}{ccc}e_1&e_2&e_3\end{array
_-Y-_-Y-_·2020-08-20 07:30

如何理解视觉SLAM视觉里程计VO：如何从图片中还原计算出相机的三维位姿算法教程Python代码实践

视觉SLAM中的视觉里程计算法就是指的是通过某个算法根据前后两张图片求出当前时刻内相机位置和姿态相对上个时刻相机位置和姿态的变化的那种算法。
司南牧·2020-08-20 07:37

视觉SLAM漫谈

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。
随遇而安随缘一世·2020-08-20 06:46

视觉SLAM漫谈 (三): 研究点介绍

1.前言读者朋友们大家好！（很久很久）之前，我们为大家介绍了SLAM的基本概念和方法。相信大家对SLAM，应该有了基本的认识。在忙完一堆写论文、博士开题的事情之后，我准备回来继续填坑：为大家介绍SLAM研究的方方面面。如果前两篇文章算是"初识"，接下来几篇就是"渐入佳境"了。在第三篇中，我们要谈谈SLAM中的各个研究点，为研究生们（应该是博客的多数读者吧）作一个提纲挈领的摘要。然后，我们再就各个小
随遇而安随缘一世·2020-08-20 06:46

《视觉SLAM十四讲精品总结》4：非线性优化g2o(BA基础)

一、g2o图优化（GeneralGraphOptimization）g2o最基本的类结构是怎么样的呢？我们如何来表达一个Graph，选择求解器呢？我们祭出一张图：先看上半部分。SparseOptimizer是我们最终要维护的东东。它是一个OptimizableGraph，从而也是一个HyperGraph。一个SparseOptimizer含有很多个顶点（都继承自BaseVertex）和很多个边（继
hltt3838·2020-08-20 00:10

参加第一届“SLAM技术及应用”暑期学校暨研讨会和全国SLAM技术论坛有感

该次课程系统地介绍了相机模型、多视图几何等基本概念和原理以及目前的主流SfM、视觉SLAM、视觉惯导S
Felaim·2020-08-19 07:44

自动驾驶（四十）---------视觉SLAM（非线性优化）

相机与图像我自己相对理解比较深，有不懂的参考这篇文章：https://blog.csdn.net/LWHGMAN/article/details/88976116现在我们已经知道，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。然而，由于噪声的存在，运动方程和观测方程的等式必定不是精确成立的。所以，与其假设数据必须符合方程，不如来讨论，如何在有噪声的数据中进行准
一实相印·2020-08-19 06:34

自动驾驶（三十九）---------视觉SLAM（李群与李代数）

在SLAM中,除了表示位姿之外,我们还要对它们进行估计和优化。因为在SLAM中位姿是未知的,而我们需要解决什么样的相机位姿最符合当前观测数据这样的问题。一种典型的方式是把它构建成一个优化问题,求解最优的R,t,使得误差最小化。而估计、优化是需要进行迭代计算的。但是，旋转矩阵自身是带有约束的(正交且行列式为1)。它们作为优化变量时,会引入额外的约束,使优化变得困难。通过李群——李代数间的转换关系,我
一实相印·2020-08-19 06:34

自动驾驶（四十一）---------视觉SLAM（视觉里程计）

视觉里程计主要介绍什么是特征点，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。1.ORB特征点FAST是一种角点检测方法：如果一个像素与它邻域的像素差别较大（过亮或过暗）,那它更可能是角点。FAST：在图像中选取像素p，假设它的亮度为Ip；设置一个阈值T(比如Ip的20%)；以像素p为中心,选取半径为3的圆上的16个像素点；假如选取的圆上，有连续的N个点的亮度大于Ip+T或小于Ip−
一实相印·2020-08-19 06:34

自动驾驶（三十八）---------视觉SLAM（空间刚体运动）

三维空间刚体运动，所谓空间刚体运动是指空间旋转矩阵，介绍空间旋转先介绍向量的内积和外积。对于向量和而言1.内积（点积）点积公式为：，点乘的结果是一个标量(数量而不是向量)两个向量a与b的内积为a·b=|a||b|cos∠(a,b)，内积表征或计算两个向量之间的夹角，结果为b向量在a向量方向上的投影.2.外积（叉乘）向量a与b的外积a×b是一个向量(法向量)，其长度等于|a×b|=|a||b|sin
一实相印·2020-08-19 06:34

【计算机科学】【2019】基于视觉SLAM和对象检测的多目标映射与路径规划

本文为加拿大滑铁卢大学（作者：AmiWoo）的硕士论文，共104页。自主机器人的路径规划是移动机器人智能穿越环境所需的关键任务之一。机器人路径通常是通过利用在一定时间内可访问的地图来规划的，例如最小化旅行距离或时间。本文提出了一种采用图优化和目标检测的基于同时定位和映射（SLAM）多目标路径规划方法。该方法的目的不仅在于找到一条使行驶距离最小化的路径，而且还在于最小化路径中的障碍物数量。本文以视觉
梅花香——苦寒来·2020-08-19 05:14

推荐一些视觉SLAM的深度学习方法（下）

这里重点在RNN/LSTM的应用。11.DeepVO:TowardsEnd-to-EndVOwithDeepRecurrentCNNs基本上这个方法是依赖CNN提取的特征在RNN（LSTM）学习pose的连续估计。如图所示更细致的RNN网络结构如图其中的LSTM结构图如下12.GANVO:UnsupervisedDeepMonocularVisualOdometryandDepthEstimati
喜欢打酱油的老鸟·2020-08-19 05:55

视觉SLAM技术及其应用（章国锋--复杂环境下的鲁棒SfM与SLAM）

SLAM:同时定位与地图构建机器人和计算机视觉领域的基本问题在未知环境中定位自身方位并同时构建环境三维地图应用广泛:增强现实、虚拟现实机器人、无人驾驶SLAM常用的传感器红外传感器:较近距离感应，常用与扫地机器人激光雷达:单线、多线等摄像头:单目、双目、多目等惯性传感器（英文叫IMU，包括陀螺仪、加速度计等）:智能手机标配SLAM运行结果设备根据传感器信息计算自身位置（在空间中的位置和朝向）构建环
Dongdong Bai·2020-08-19 04:13

2D激光雷达和视觉相结合的SLAM概述

2D激光雷达和视觉相结合的同步定位与建图概述文章目录2D激光雷达和视觉相结合的同步定位与建图概述1.2D激光SLAM2.视觉SLAM3.多传感器融合4.总结5.参考文献1.2D激光SLAM由于激光雷达精度高
Lucas19970106·2020-08-19 01:17

论文笔记-ClusterSLAM：A SLAM Backend for Simultaneous Rigid Body Clustering and Motion Estimation

ASLAMBackendforSimultaneousRigidBodyClusteringandMotionEstimation作者：JiahuiHuangShengYangZishuoZhaoYu-KunLaiShi-MinHu来源：ICCV2019摘要提出了一种实用的双目视觉
NikolaTesla1856·2020-08-19 01:47

视觉SLAM十四讲--罗德里格斯公式(Rodrigues’s Formula)推导

前言之前看了高博的《视觉SLAM十四讲》，里面有一段关于罗德里格斯公式，但是高博没有给出具体推导。
WongSingLam·2020-08-18 14:42

视觉惯性融合学习笔记一 预积分理论

一、概述视觉惯性导航系统（VINS）相比较传统的视觉SLAM有更大的优势。对于相机快速运动和环境剧烈光照变化导致相机导航失效的情况，IMU能在短时
我的笔帽呢·2020-08-18 12:04

矩阵（一）：SVD分解

文章目录0参考链接（尊重原著）1SVD分解原理2SVD分解意义3SVD分解的应用4SVD数学举例0参考链接（尊重原著）下面这个讲的很好很全面视觉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
雨luo凡城·2020-08-18 11:08

5张彩色图+5张深度图+PCL= 点云拼接

该代码源于《视觉SLAM十四讲》joinMap.cpp主要是用已知的图片（5张彩色+5张深度图）+pose.txt(相机位姿->前三位是xyz轴方向上的平移量，后四位是旋转四元数实部+虚部；用以上数据得到点云思路
F-study·2020-08-18 05:13

SLAM 框架概述

最近看了一些关于SLAM的书和博客,个人感觉大概的框架(rgbdslam)已经差不多了,在这记录一下SLAM分类根据传感器,可以分为*雷达,又分二维三维*摄像头,也就是视觉*其他与混合我最近看的是视觉SLAM
出击桃子·2020-08-18 00:39

【Jetson Tx2 视觉slam开发】入门配置二

JetsonTx2安装ROShttps://github.com/jetsonhacks/installROSTX2updateRepositories.shThisisanoptionalstep.Addstherepositoriesuniverse,multiverse,andrestrictedandthenapt-getupdate.Theserepositoriesareinthest
江渚渔樵笑春风·2020-08-18 00:40

视觉SLAM笔记（19） 相似变换群与李代数

视觉SLAM笔记（19）相似变换群与李代数1.相似变换2.群与李代数3.映射4.BCH近似1.相似变换在视觉SLAM笔记（2）相机已经介绍过单目的尺度不确定性如果在单目SLAM中使用SE(3)表示位姿那么由于尺度不确定性与尺度漂移
氢键H-H·2020-08-17 14:46

《第10讲 后端1》 读书笔记

本文是《视觉SLAM十四讲》第10讲的个人读书笔记，为防止后期记忆遗忘写的。本节知识脉络前面前端的内容，只能求出短时间或者说相邻两帧的转换关系，并建立局部意义的地图。
醉卧疆场·2020-08-17 11:00

《第12讲 回环检测》 读书笔记

本文是《视觉SLAM十四讲》第12讲的个人读书笔记，为防止后期记忆遗忘写的。
醉卧疆场·2020-08-17 11:29

《第6讲 非线性优化 》读书笔记

本文是《视觉SLAM十四讲》第6讲的个人读书笔记，为防止后期记忆遗忘写的。本节知识脉络对状态估计问题，通过概率论中贝叶斯公式，求解后验概率等价于求解最大似然函数。
醉卧疆场·2020-08-17 11:29

转《视觉SLAM十四讲》ch6/gaussNewton.cpp

转自《视觉SLAM十四讲》ch6/gaussNewton.cpp自己稍微加了点点理解的备注#include#include#include#include#includeusingnamespacestd
Kevin_Xie86·2020-08-17 11:53

只用20节课让你年薪百万？这不是魔法而是百度飞桨官方集训营

今年，华为给两位博士毕业生开出了天价薪资，着实让人眼红，而眼红的背后，则是两位毕业生所学的专业知识：深度神经网络和机器视觉SLAM。年薪两百万会是个例吗？显然未必。
飞桨PaddlePaddle·2020-08-17 10:05

半闲居士视觉SLAM十四讲笔记（3）三维空间刚体运动 - part 1 旋转矩阵

71086500作者：宋洋鹏（youngpan1101）邮箱：[email protected]该讲详细资料下载链接【BaiduYun】【Video】【Code】若您觉得本博文对您有帮助，请支持高博的新书《视觉
youngpan1101·2020-08-17 04:16
上一页 20 21 22 23 24 25 26 27 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他