SLam学习

Hello World!

博客开业了老早之前就想好好整一个自己的博客，拖延症晚期一直拖到了现在，去年一年实验室搬砖划水感觉现在slam学习贼菜，为了明年的实习，也为了今后的学习和工作，打算正式整一波博客，记录自己的学习笔记和实验
椒盐蘑菇·2019-09-25 15:00

SLAM学习——Ceres

一、安装配置依赖#CMakesudoapt-getinstallcmake#google-glog+gflagssudoapt-getinstalllibgoogle-glog-dev#BLAS&LAPACKsudoapt-getinstalllibatlas-base-dev#Eigen3sudoapt-getinstalllibeigen3-dev#SuiteSparseandCXSparse
white_Learner·2019-09-03 09:17

SLAM学习：三维空间刚体变换（2）

1.旋转向量矩阵表示方式有以下几个缺点：（1）SO(3)的旋转矩阵有九个量，但一次旋转只有三个自由度。因此这种表达方式是冗余的。同理，变换矩阵用十六个量表达了六自由度的变换。（2）旋转矩阵自身带有约束：它必须是个正交矩阵，且行列式为1。变换矩阵也是如此。当我们想要估计或优化一个旋转矩阵/变换矩阵时，这些约束会使得求解变得更困难。对于坐标系的旋转，任意旋转都可以用一个旋转轴和一个旋转角来刻画。于是，
JoannaJuanCV·2019-07-11 17:43

[SLAM学习]ORB_SLAM2中的system的单目Monocular问题汇总

system.h1输入图像和时间戳//Proccessthegivenmonocularframe//Inputimages:RGB(CV_8UC3)orgrayscale(CV_8U).RGBisconvertedtograyscale.//Returnsthecamerapose(emptyiftrackingfails).cv::MatTrackMonocular(constcv::Mat&
苏源流·2019-06-24 19:55

SLAM学习资源免费分享-转载

SLAM学习资源分享转载来自[SLAM],(https://mp.weixin.qq.com/s/kAdGdWDlw15ZmLzG56DOOA)如果告知侵权会删除之前曾经总结过关于SLAM的资源，但感觉有些零零散散
Frederic18·2019-06-18 12:40

快看，那个学SLAM 的崩溃了!

本文列举了当前优秀SLAM方案，点出了SLAM学习者的困境，最后打算搞点大事请把此文转发给你认识的SLAM大神，愿你头发浓密，心想事成当前优秀SLAM方案一览研究SLAM的小伙伴入门的时候都经历过痛苦阶段
计算机视觉life·2019-05-21 06:42

slam学习之旅——hello slam

1新建工作文件夹使用mkdir命令新建文件夹slambook和ch1文件夹，并利用cd命令进入ch1文件下，截图如2编写helloslam小程序使用vim命令创建helloslam.cpp文件，并填写如下代码按esc键，输入：wq退出3编译helloslam程序3.1使用g++命令编译编译命令使用如下图此时利用ls命令可以看到ch1文件夹下多了一个a.out的可执行文件，其中a.out是该命令默认
guosuling·2018-11-18 13:50

SLAM学习笔记：点云数据处理学习笔记【转载】

三维计算视觉研究内容包括：（1）三维匹配：两帧或者多帧点云数据之间的匹配，因为激光扫描光束受物体遮挡的原因，不可能通过一次扫描完成对整个物体的三维点云的获取。因此需要从不同的位置和角度对物体进行扫描。三维匹配的目的就是把相邻扫描的点云数据拼接在一起。三维匹配重点关注匹配算法，常用的算法有最近点迭代算法ICP和各种全局匹配算法。（2）多视图三维重建：计算机视觉中多视图一般利用图像信息，考虑多视几何的
hongyunzhi92·2018-07-23 12:11

计算机视觉方面的顶级会议以及SLAM学习需要关注的会议

ICCV的全称是InternationalComferenceonComputerVision，ICCV两年一次，与ECCV正好错开，是公认的三个会议中级别最高的。举办地点范围世界各地，ICCV上的文章看起来一般都比较好懂。2018年的ICCV于4月23-24，在美国Boston。CVPR的全称是InternaltionalConferenceonComputerVisionandPatternR
稻壳特筑·2018-05-15 20:28

SLAM学习总结笔记

//本文参考自http://www.slamcn.org/index.php/首页处，除了目录一样，其他都是阅读笔记目录1、SLAM介绍1.1什么是SLAM1.2SLAM与视觉里程计1.3SLAM与SfM2、主流开源SLAM方案2.1视觉传感器2.2激光传感器2.3视觉（Visual）与IMU融合（VI）2.4后端优化工具3、入门资料推荐4、泡泡机器人5、相关博客推荐6、机器人常用传感器7、机器人
拔出萝卜带出土豆·2018-05-04 20:56

g2o文章汇总

85255345g2o学习记录（2）官方文档的阅读及理解深入理解图优化与g2o：g2o篇https://blog.csdn.net/u014365862/article/details/52716538graphslam
danmeng8068·2018-04-16 14:49

SLAM学习：相机标定（张氏标定）及opencv应用

具体的张氏标定过程参考1(获得初值)：http://blog.csdn.net/PINBODEXIAOZHU/article/details/43373247参考2（极大似然估计）：http://blog.csdn.net/pinbodexiaozhu/article/details/43374181张氏标定（单平面棋盘格的摄像机标定方法）目的：得到相机的内参、外参和畸变系数。过程：标定平面到图像
ChouPiJang·2018-02-20 10:46

SLAM学习：相机标定（张氏标定）及opencv应用

具体的张氏标定过程参考1(获得初值)：http://blog.csdn.net/PINBODEXIAOZHU/article/details/43373247参考2（极大似然估计）：http://blog.csdn.net/pinbodexiaozhu/article/details/43374181张氏标定（单平面棋盘格的摄像机标定方法）目的：得到相机的内参、外参和畸变系数。过程：标定平面到图像
ChouPiJang·2018-02-20 10:46

SLAM学习笔记 - ORB_SLAM2源码运行及分析

参考资料：DBow2的理解单目跑TUM数据集的运行和函数调用过程跑数据集不需要ros和相机标定，进入ORB_SLAM目录，执行以下命令：./Examples/Monocluar/mono_tumVocabulary/ORBvoc.txtExamples/Monocular/TUM1.yamlExamples/rgbd_dataset_freiburg1_xyz需要等一会，加载ORB词袋，然后会尝试
bo o ya ka·2017-11-09 21:00

slam学习-激光雷达学习-点云数据相关算法研究

【关键字】slam激光雷达点云算法引用http://blog.csdn.net/kuikuijia/article/details/46157207基础-标定各大标定方法对比？将雷达坐标系转换到车体坐标系的转换矩阵R和T检测路沿利用多线的数据进行融合，可以获取路沿信息更加准确算法基础基于激光雷达的SLAM算法(SimultaneousLocalizationandMapping)广泛用于场景点云地
scott_yu779·2017-10-22 19:06

SLAM学习——建图（二）

1.对单目构建稠密地图的讨论像素梯度的问题在前面中，通过块匹配来获得匹配结果。块匹配的正确与否，依赖于图像块是否具有区分度，有明显梯度的小块将具有良好的区分度。对于梯度不明显的像素，将比较难估计其有效深度。立体视觉一个常见问题：对物体纹理的依赖性。像素梯度与极线的关系：像素梯度平行于极线方向以及垂直于极线方向。像素梯度垂直于极线：当沿极线寻找的时候，发现匹配程度是一样的，得到不到有效匹配。像素梯度
Hansry·2017-08-05 16:19

SLAM学习——建图问题（一）

1.单目稠密地图的构建在上述中，我们讨论的是稀疏地图的构建，但是在实际的定位、导航和壁障过程中，我们需要有稠密地图。常见的单目稠密地图的构建思路有：1.单目：通过运动，得出运动轨迹，计算出运动的关系，通过三角测量计算出像素深度。（同下）2.双目：利用俩个相机的视差计算出像素的深度。（吃力不讨好，但是大型场合可能有比较好的效果。）3.RGBD：自带深度图，可直接得到像素的深度。（比较好，但是不适合大
Hansry·2017-08-03 10:25

SLAM学习——回环检测

1.回环检测回环检测的关键，就是如何有效的检测出相机经过同一个地方这件事。它关系到我们估计的轨迹和地图在长时间下的正确性。由于回环检测提供了当前数据与所有历史数据的关联，在跟踪算法丢失后，我们还可以利用重定位。有些时候，我们把仅有前端和局部后端的系统称为VO，把带有回环检测和全局后端的系统称为SLAM。回环检测的方法：基于里程计的几何关系和基于外观。基于几何关系是说，当我们发现当前相机运动到了之前
Hansry·2017-07-28 00:29

SLAM学习——后端（二）

1.投影模型和BA代价模型对于观测模型而言，我们可以简单的用以下的模型进行表示：z=h(x,y)上图中，P点是世界坐标系的点，中间的畸变模块满足：r2c=u2c+v2crc2=uc2+vc2把观测返程抽象出来，有：z=h(x,y)，这里的x指代此时相机的位姿，即外参R,t，对应的李代数为ξξ。路边y即为三维点p，若观测数据(实际观测数据)为z，那么此次观测误差为：e=z−h(ξ,p)e=z−h(ξ
Hansry·2017-07-27 01:40

SLAM学习——后端（一）

1.概述对于里程计而言，只有短暂的记忆。而在后端优化中，我们更加考虑一段更长时间内（或所有时间内）的状态估计问题。与之前略有不同，我们令xkxk为k时刻的所有未知量，包含了当前位姿与m个路标点，则写成表达式可为：xk=Δ{xk,y1⋯ym}xk=Δ{xk,y1⋯ym}现在考虑第k时刻的情况，希望用过去0到k的数据来估计现在的状态分布：P(xk|x0,u1:k,z1:k)P(xk|x0,u1:k,z
Hansry·2017-07-22 13:57

SLAM学习——非线性优化

1.状态估计问题对于SLAM经典模型，我们知道是由一个运动方程和一个观测方程构成，如下方程：{xk=f(xk−1,uk)+wkzk,j=f(yj,xk)+vk,j{xk=f(xk−1,uk)+wkzk,j=f(yj,xk)+vk,j其中xkxk为相机的位姿，uu为输入数据，即为采集到的数据。假如我们在xkxk处观测到路标yjyj，对应到图像上的像素位置zk,jzk,j,那么我们的观测方程可以表示为
Hansry·2017-07-10 23:42

SLAM学习——相机与图像

1.针孔模型一般而言，我们通过小孔成像来描述相机的成像原理，对其进行数学建模，如下图所示。其中O-x-y-z为相机坐标系，O’-x’-y’-z’为成像平面物理坐标系，o-u-v为像素坐标系，通过此几何模型，我们可以得到：Z/f=-X/X’=-Y/Y’,其中负号表示这个在成像平面上所形成的像是倒的，我们可以对该模型进行一定的处理，将负号去掉，得到以下模型：以上分别为真实成像平面、对称成像平面、归一化
Hansry·2017-07-10 16:36

SLAM学习——李群与李代数

1.李群与李代数基础三维旋转矩阵构成特殊正交群SO（3），而变换矩阵构成了特殊欧氏群SE（3）：其中特殊正交群SO(3)和特殊欧氏群SE(3),对加法不封闭，而对乘法封闭。则有：群，是一种集合加上一种运算的代数结构，主要满足有：封闭性、结合律、幺元、逆等性质。而李群，则是指具有连续光滑性质的群。对于李代数，考虑任意旋转矩阵R,会随着时间变化而变化，即为时间的函数：R(t)。则有：通过对其时间的求导
Hansry·2017-07-09 20:42

视觉slam学习资料

这篇博客就把我自己整理的资料贴出来，供大家参考。（1)orb_slam官网（网站最后有5篇论文，价值很高）http://webdiis.unizar.es/~raulmur/orbslam/（2)半仙居士blog（可以都看，很经典）http://www.cnblogs.com/gaoxiang12/（3)贺一加blog（monocularslam和navigation讲的很好可以看看）http:/
jaccen·2017-05-10 16:00

视觉slam学习资料整理

转自：http://blog.163.com/zhang_hu_0728/blog/static/24688806720170355714689/（1)orb_slam官网（网站最后有5篇论文，价值很高）http://webdiis.unizar.es/~raulmur/orbslam/（2)半仙居士blog（可以都看，很经典）http://www.cnblogs.com/gaoxiang12/（
Forrest-Z·2017-03-29 10:27

SLAM学习总结

最近一个月开始看关于slam的研究内容，现在把最近的看到的一些内容做个小结，加深印象，促使自己思考，其中可能有错误，希望大家不吝赐教。另外本博文虽然是我整理的，但是大部分都是别人的思想，版权归原作者所有，我已经在文中注明作者，在此向原作者表示感谢！SLAM（simultaneouslocalizationandmapping）也叫即时定位与导航，最早由HughDurrant-Whyte和JohnJ
xue_honolulu·2016-12-16 16:33

SLam学习网站整理

以下是一些SLAM相关网站整理：1.http://www.openslam.org/2.http://vision.in.tum.de/data/datasets/rgbd-dataset3.http://vision.ia.ac.cn/Students/gzp/monocularslam.html 4.http://www.mrpt.org/5.http://www-personal.acfr.
x_r_su·2016-08-19 16:00

[学习笔记]实时SLAM的未来及深度学习与SLAM对比

实时SLAM的未来及深度学习与SLAM对比TheFutureofReal-TimeSLAMandDeepLearningvsSLAM学习笔记作者：家辉，日期：2016-07-10CSDN博客：http:
gobitan·2016-07-10 18:13

SLAM学习

SLAM学习其实SLAM的学习也有很长一段时间了，不过因为自己的偷懒后拖延症，导致整整一个学期下来也没有出点成绩，所以决定给自己一点压力吧，每天都更新博客证明自己确实在做东西。
awww797877·2016-04-16 23:14

SLAM学习笔记4: ORB-SLAM中BOW特征匹配

通常估计两帧之间的运动,我们需要分别计算两帧中的所有特征点,然后计算特征点之间的匹配关系.再通过对应特征点的移动情况来估计两帧之间的摄像机运动.这中间会涉及好很多问题,至今未能得到有效解决:提取特征点的类型:众所周知,对于自然场景图像,SIFT和SURF特征点具有非常好的特性,充分考虑了尺度,光照,旋转等因素的影响.然而SIFT,SURF特征的计算非常耗时,很难满足实时应用的需要.于是我们只能转而
Qinrui_Yan·2016-04-02 01:47

ROS_RGB-D SLAM学习笔记--室内环境测试

ROS_RGB-DSLAM学习笔记RTAB-Map'sros-pkg.RTAB-MapisaRGB-DSLAMapproachwithreal-timeconstraints.先上英文参考：http:/
ZhangRelay·2016-01-08 21:00

[置顶] graph slam学习:g2o

1.graph_slam学习     关于graph-slam的学习详细参照教材>2005版    第11章      图优化实际上是解一种非线性最小二乘问题，主要用于离线的slam优化，也有用在在线的方式的
zyh821351004·2015-06-16 17:00
上一页 1 2 3 4 5 6 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他