SLAM杂项

《视觉SLAM十四讲》-- 相机与图像

04相机与图像4.1相机模型4.1.1针孔相机模型针孔模型描述了一束光线通过针孔后，在针孔背面投影成像的关系（类似小孔成像原理）。根据相似三角关系Zf=−XX′=−YY′(3-1)\frac{Z}{f}=-\frac{X}{X^{\prime}}=-\frac{Y}{Y^{\prime}}\tag{3-1}fZ=−X′X=−Y′Y(3-1)其中，负号表示成的像是倒立的。但实际相机得到的图像并不是倒
算法导航·2023-11-08 21:58

【视觉slam14讲】公式推导

李群与李代数公式推导李群李代数对应关系李代数求导案例（p85）公式[1]雅可比扰动模型案例（p85）NOTE矩阵求导求导规律：（1）常量可以提取到导数外（2）分子中线性组合可以拆开（3）转置符号可以提取出来查表链接:矩阵查表非线性最小二乘解析解数值解（迭代）一阶梯度法一阶梯度法缺点：容易产生锯齿二阶梯度法（牛顿法）？？？写为内积不是很懂？？？牛顿法缺点：H不容易计算，H的逆也不容易计算
我要算BA·2023-11-08 15:53

视觉SLAM总结——LSD SLAM中关键知识点总结

视觉SLAM总结——LSDSLAM中关键知识点总结视觉SLAM总结——LSDSLAM中关键知识点总结1.LSDSLAM的创新点/关键点是什么？2.LSDSLAM的整体框架是怎样的？
Leo-Peng·2023-11-08 15:50

视觉SLAM总结——SVO中关键知识点总结

视觉SLAM总结——SVO中关键知识点总结视觉SLAM总结——SVO中关键知识点总结1.为什么叫半直接法视觉里程计？2.SVO的优缺点是什么？3.SVO的整体框架是怎样的？
Leo-Peng·2023-11-08 15:19

SLAM中的优化、李群李代数和BA

TableofContents1.SLAM中优化目标函数的表示2.李群李代数的引入3.BA本文为高博《视觉SLAM十四讲》李群李代数部分的学习笔记。
文科升·2023-11-08 15:11

ORB-SLAM2中关键知识点总结

目录1、ORBSLAM2的总体框架是怎样的？2、ORBSLAM2是怎样完成初始化的？3、ORBSLAM2是如何进行Tracking的？4、ORBSLAM2是如何选取关键帧的？
家门Jm·2023-11-08 15:40

传统ORB-SLam中位姿优化中雅克比矩阵讲解

由于之前的鱼眼orbslam只有单目部分，所以在优化时也只是用了单目位姿优化和三维坐标点优化，并没有将双目的优化添加进去，不知道是否对结果有影响；这里添加双目的优化部分，主要是将添加雅克比矩阵；orbslam
三轮车的视觉进阶_·2023-11-08 15:09

理解SLAM中的概念

概率论基础标准正态分布单位阵服从标准正态分布高斯过程SMW恒等式线性高斯系统的状态估计BCH公式为什么要有bch公式？标量的指数乘法可以直接转化为系数的加法，而使用ＢＣＨ公式可以使得矩阵的指数可以相乘，ＢＣＨ公式是无穷级数，广义的ＢＣＨ公式保留了前面几项（该几项相加），也即是等于矩阵的指数乘法。进而可以对旋转和姿态的扰动求雅阁比。变换为李乘积公式矩阵和李群李群首先，为什么要研究群？可以更加方便，直
南苏月·2023-11-08 15:39

【SLAM学习】《视觉SLAM十四讲》第七讲 ICP误差求导公式推导

最近继续学习高博的《视觉SLAM十四讲》，看到第七章，对于ICP计算时的误差公式比较迷惑，花时间自己推导了一下，以此记录，也供大家查看。
顺其灬自然丨·2023-11-08 15:36

SLAM编程：优化问题求解（2）_细谈求导

SLAM编程：优化问题求解（2）_细谈求导前言一、正常思路：目标/损失函数直接对优化变量求导1.实例：最小二乘位姿估计二、清奇思路：不直接求导1实例：追踪光流也能是优化问题？
Ares_Drw·2023-11-08 15:31

SLAM中求导相关的公式总结

李代数与李群的关系R˙RT\dot{R}R^{T}R˙RT是一个反对称矩阵，所以这个矩阵可以用一个1×3向量进行反对称来表示R˙RT=Φ^\dot{R}R^{T}=Φ^{\hat{}}R˙RT=Φ^，根据十四讲4.8的推导，最后则有R(t)˙=Φ^⋅R(t)\dot{R(t)}=Φ^{\hat{}}·R(t)R(t)˙=Φ^⋅R(t)这个李代数ΦΦΦ反映了RRR的导数性质，所以李代数是李群SO(3
Rhys___·2023-11-08 15:00

论文笔记——基于新型多传感器融合策略的移动端双目视觉惯性SLAM闭环算法研究

2、移动端优化：本文中SLAM算法前端采用了角点检测和光流的方
kkmd66·2023-11-08 14:17

近十年的VI-SLAM算法综述与发展

本文主要总结一下这几年工作中遇到过以及改进过相关VIO算法1.背景介绍一个完整的SLAM(simultaneouslocalizationandmapping)框架包括传感器数据、前端、后端、回环检测与建图
半不闲居士·2023-11-08 14:16

计算机视觉与深度学习 | 基于视觉惯性紧耦合的SLAM后端优化算法

MichaelBeechanCSDN：https://blog.csdn.net/u011344545=====================================================基于视觉惯性紧耦合的SLAM
卡尔曼的BD SLAMer·2023-11-08 14:45

SLAM从入门到精通（安全避障）

对于slam来说，同样也是这个道理。我们知道，slam本身依赖于传感器、依赖于算法、依赖于标定、也依赖于电机和机械部分，哪一部分出了问题，机器人都不会正常地工作。
嵌入式-老费·2023-11-08 09:33

最速下降法

目录前言一、梯度下降相关数学概念二、最速下降法实战2.1、例图12.2、Matlab代码实现2.3、例题2三、小结前言最速下降法，在SLAM中，作为一种很重要求解位姿最优值的方法，缺点很明显：迭代次数太多
韩师兄_·2023-11-08 07:15

视觉SLAM十四讲读书笔记（2）P10-P27

目录Q：一个视觉SLAM框架由哪几个模块组成，各模块的任务又是什么Q：什么是机器人的自主运动能力Q：什么是机器人的感知Q：什么是激光雷达Q：什么是增强现实Q：什么是IMU单元Q：什么是双目相机Q：什么是轮式编码器
嘉子的秃头日记·2023-11-08 07:34

三维重建：SLAM的粒度和工程化问题

SLAM不是一个单一算法，是个工程。在计算机视觉中,三维重建是指根据单视图或者多视图的图像重建三维信息的过程.由于单视频的信息不完全,因此三维重建需要利用经验知识.。
wishchin·2023-11-08 07:20

从零入门激光SLAM（九）——三维点云基础

大家好呀，我是一个SLAM方向的在读博士，深知SLAM学习过程一路走来的坎坷，也十分感谢各位大佬的优质文章和源码。
桦树无泪·2023-11-08 07:10

工程（十三）——基于激光视觉的SLAM三维重建

一、简介目前的主流三维重建算法包括：基于网络的纯视觉三维重建、基于SLAM算法的三维重建基于激光视觉SLAM（SimultaneousLocalization
桦树无泪·2023-11-08 06:36

Maven安装配置最全教程

1.1.1繁琐要为每个项目手动导入所需的jar，需要搜集全部jar1.1.2复杂项目中的jar如果需要版本升级，就需要再重新搜集jar1.1.3冗余相同的jar在不同的项目中保存了多份1.2项目管理方案
孤狼程序员·2023-11-08 06:11

【视觉SLAM】语义SLAM分类

  SLAM与深度学习技术结合是SLAM的另一大方向。高博在《视觉SLAM十四讲》中指出，通过语义与SLAM相结合，两者相互促进，相互补充。  一方面，语义帮助SLAM。
Louis1874·2023-11-08 05:15

【论文阅读笔记】3D语义SLAM论文摘要整理

前文回顾【论文阅读笔记】Past,Present,andFutureofSimultaneousLocalizationandMapping【论文阅读笔记】语义SLAM语义映射模型SectionVI.REPRESENTATIONII
肥鼠路易·2023-11-08 05:15

论文阅读 —— 语义激光SLAM

文章目录点云语义分割算法1基于点的方法2基于网格的方法3基于投影的方法一、SLOAM1.1语义部分1.2SLAM部分1.2.1树的残差1.2.2地面的残差1.2.3匹配过程二、SSC:SemanticScanContextforLarge-ScalePlaceRecognition2.1
秋雨qy·2023-11-08 05:14

SLAM_语义SLAM相关论文

目录1.综述2.相关文章ProbabilisticDataAssociationforSemanticSLAMVSO:VisualSemanticOdometry语义信息分割运动物体
惊鸿一博·2023-11-08 05:04

FPGA：下一代机器人感知处理器

现在PerceptIn主要专注于增强现实、虚拟现实、机器人的核心SLAM技术及其在智能硬件上的实现与优化。创立PerceptIn之前在百度美国研发中心工作。
GaryGao99·2023-11-07 22:41

计算机视觉在文物中的应用,基于SLAM的无标记增强现实算法研究及其在文物展示中的应用.pdf...

本文采用同时定位和地图绘制算法(SimultaneousLocalizationAndMapping，简称SLAM)作为增强现实系统的
铁匠qwer·2023-11-07 13:40

动态环境SLAM近期阅读的相关论文综述

文章目录一、动态环境对激光SLAM有什么影响1.前端配准2.后端建图二、如何解决上述动态环境遇到的问题1.前端层面2.建图层面（离线）3.建图层面（在线）三、相关论文汇总1.Thepeopleremover–removingdynamicobjectsfrom3Dpointclouddatabytraversingavoxeloccupancygrid
码农的快乐生活·2023-11-07 11:59

从零入门激光SLAM（十一）——LeGo-LOAM源码超详细解析1

大家好呀，我是一个SLAM方向的在读博士，深知SLAM学习过程一路走来的坎坷，也十分感谢各位大佬的优质文章和源码。
桦树无泪·2023-11-07 00:53

工程（十二）Ubuntu20.04LSD_SLAM运行

LSD_SLAM适配于ubuntu20.04修改过程的参考连接如下Ubuntu20.04配置并运行LSD_SLAM，实测可行_nice-wyh的博客-CSDN
桦树无泪·2023-11-07 00:23

信息系统项目管理师（2022年）—— 重点内容：信息系统项目管理基础（2）

对于大型复杂项目，领导能力尤为重要。---软技能包括人际关系管理。软技能包含以下内容。()有效的沟通：信息交流。()影响一个组织：“让事情办成”的能力。
流放深圳·2023-11-07 00:13

【moeCTF题解-0x05】Misc

Misccategories:CTFmoeCTFtags:CTFMiscPython【moeCTF题解-0x05】Misc如果把Web安全、二进制安全、密码学等等方向的研究看成是你约会时候和你的男/女朋友吃的主餐，Misc杂项就是餐后小甜点
框架主义者·2023-11-06 23:32

【3D激光SLAM】Livox-mid-360激光雷达ip配置

写在前言：请认真阅读mid360官方手册，第一次配雷达ip真的很多坑参考资料mid360雷达sdk：https://github.com/Livox-SDKLivoxViewer2：https://www.livoxtech.com/downloadsLIO-Livox：https://github.com/Livox-SDK/LIO-LivoxLivox-Mapping：https://gith
Hahalim·2023-11-06 22:07

有着23个小孩的印度民宿家庭

民宿的主人叫Islam，是一个44岁的中年男人。他有23个小孩，其中19个是收养的，只有4个是自己亲生的。听到他说“23个小孩”，我还以为是在跟我开玩笑。但是从他的表情当中，我看出了他的真诚。
琼琼小彭友·2023-11-06 17:12

第九章 事实表设计之事务事实表

在上述四个业务过程中下单、支付、完结选择子订单作为粒度，而发货业务过程包含物流信息，以父订单为粒度3）确定维度：卖家、买家、商品、商品类目、发货地区、收货地区、父订单一级杂项维度4）确定事实：每个
被爱的天青色·2023-11-06 12:19

卡尔曼家族从零解剖-(03)贝叶斯滤波→公式推导与示例

讲解关于slam一系列文章汇总链接:史上最全slam从零开始，针对于本栏目讲解的卡尔曼家族从零解剖链接:卡尔曼家族从零解剖-(00)目录最新无死角讲解：https://blog.csdn.net/weixin
江南才尽，年少无知！·2023-11-06 06:40

卡尔曼家族从零解剖-(05)卡尔曼滤波→公式推导，应用通俗讲解，c++代码示例

讲解关于slam一系列文章汇总链接:史上最全slam从零开始，针对于本栏目讲解的卡尔曼家族从零解剖链接:卡尔曼家族从零解剖-(00)目录最新无死角讲解：https://blog.csdn.net/weixin
江南才尽，年少无知！·2023-11-06 06:58

卡尔曼家族从零解剖-(04)贝叶斯滤波→细节讨论,逻辑梳理,批量优化

讲解关于slam一系列文章汇总链接:史上最全slam从零开始，针对于本栏目讲解的卡尔曼家族从零解剖链接:卡尔曼家族从零解剖-(00)目录最新无死角讲解：https://blog.csdn.net/weixin
江南才尽，年少无知！·2023-11-06 06:57

MATLAB算法实战应用案例精讲-【图像处理】SLAM技术详解（基础篇）

目录几个高频面试题目SLAM框架常见方案对比点云数据传感器视觉SLAM框架SLAM框架之视觉里程计
林聪木·2023-11-06 05:34

SLAM从入门到精通（被忽视的基础图像处理）

联系信箱：[email protected]】工业上用激光slam的多，用视觉slam的少，这是大家都知道的常识。毕竟对于工业来说，健壮和稳定是我们必须要考虑的事情。
嵌入式-老费·2023-11-06 05:27

python在anaconda哪个文件夹_python学习笔记09：新手快速上手Anaconda完全解析----(conda指令、jupyter打开非默认文件夹、Spyder汉化)...

目录1配置与conda指令1.1配置环境变量1.2coda指令1.2.1环境创建1.2.2第三方库的安装与卸载1.2.3杂项梳理2使用jupyternotebook写python代码2.1jupyter
weixin_39916681·2023-11-05 11:00

点云从入门到精通技术详解100篇-基于语义 SLAM 的点云融合（续）

目录3.2语义SLAM系统框架（SemanticSLAMSystemFramework）3.2.1基于YOLOv3的目标检测3.2.2点云语义标签
格图素书·2023-11-05 09:47

自学SLAM（7）非线性优化实践：曲线拟合问题（使用ceres库和SLAM常用的g2o库）

前言本次文章针对的是第四个视屏中的实践问题肯定会有部分方法没有说到，比如高斯牛顿法，后面我会把此次视屏对应的作业写好，然后补充到此次博客！！文章目录前言1.曲线拟合题目：2.非线性最小二乘2.1黄金分割法(0.618法)2.2最速下降法3.ceres库实现曲线拟合题目3.1安装ceres3.2代码及运行4.g2o库实现曲线拟合题目4.1安装g2o4.2代码及运行1.曲线拟合题目：设有曲线满⾜以下⽅
Chris·Bosh·2023-11-05 04:33

langchain agent工具介绍（一）

原文：langchainagent工具介绍（一）_牛客网AWSLambda功能:无服务器计算服务类别:底层加强重要程度:⭐️⭐️AWSLambdaAPI是一个由AmazonWebServices(AWS
javastart·2023-11-05 02:34

《视觉SLAM十四讲》公式推导（二）

CH3-5四元数表示旋转三维空间中任意点均可用一个纯虚四元数表示即p=[0,v]T\boldsymbol{p}=[0,\boldsymbol{v}]^Tp=[0,v]T，经一个单位四元数q\boldsymbol{q}q的旋转后，得到p′\boldsymbol{p'}p′，则p′=qpq−1(3-5-1)\boldsymbol{p'}=\boldsymbol{q}\boldsymbol{p}\bol
算法导航·2023-11-05 02:28

《视觉SLAM十四讲》公式推导（一）

文章目录CH3三维空间刚体运动CH3-1旋转矩阵的推导CH3-2旋转矩阵是正交矩阵的证明CH3-3变换矩阵的逆的推导CH3-4罗德里格斯公式推导CH3三维空间刚体运动CH3-1旋转矩阵的推导（1）二维空间中的旋转矩阵易得{x′=∣OP′∣cos(θ+β)=∣OP∣(cosθ⋅cosβ−sinθ⋅sinβ)=xcosβ−ysinβy′=∣OP′∣sin(θ+β)=∣OP∣(sinθ⋅cosβ+cos
算法导航·2023-11-05 02:27

《视觉SLAM十四讲》公式推导（三）

文章目录CH3-8证明旋转后的四元数虚部为零，实部为罗德里格斯公式结果CH4李群与李代数CH4-1SO(3)上的指数映射CH4-2SE(3)上的指数映射CH4-3李代数求导对极几何：本质矩阵奇异值分解矩阵内积和迹CH3-8证明旋转后的四元数虚部为零，实部为罗德里格斯公式结果前面已经推导过v′=pvp∗=pvp−1v'=pvp^*=pvp^{-1}v′=pvp∗=pvp−1其中，v=[0,v⃗]v=
算法导航·2023-11-05 02:57

《视觉SLAM十四讲》-- 概述与预备知识

文章目录01概述与预备知识1.1SLAM是什么1.1.1基本概念1.1.2视觉SLAM框架1.1.3SLAM问题的数学表述1.2实践：编程基基础1.3课后习题01概述与预备知识1.1SLAM是什么1.1.1
算法导航·2023-11-05 02:24

项目实训（7）qt与pcl2：ui显示pcl点云

waitForShutdown();}wait();-----------------------boolQNode::init(){ros::init(init_argc_,init_argv_,"qt_slam_ui_node
Lukeeeeeee！·2023-11-04 21:40

vslam论文14：Monocular Visual-Inertial Odometry with Planar Regularities（ICRA 2023）

摘要最先进的单目视觉惯性里程计(VIO)方法依赖于稀疏点特征，部分原因是它们的效率、鲁棒性和普遍性，而忽略了高级结构规律，如平面，这些在人造环境中很常见，可以用来进一步约束运动。一般来说，由于平面的存在空间很大，可以用相机观察平面很长一段时间，因此可以进行长期导航。所以，在本文中，我们设计了一种新颖的实时单目VIO系统，该系统在轻量级多状态约束卡尔曼滤波器(MSCKF)中由平面特征完全正则化。我们
xsyaoxuexi·2023-11-04 19:40
上一页 16 17 18 19 20 21 22 23 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他