slam14

【SLAM14讲编译依赖软件源码版本方面等问题汇总】

"逆转鹈鹕”0.视觉SLAM十四讲1.ch3-------Eigen32.ch4-------Sophus2.ch5-------JoinMap3.ch63.1---ceres3.2---g2o4.ch7--视觉里程计5.--ch8associate.py6.--ch9project以下是本人在学习SLAM中遇到的全部问题汇总（主要是依赖和软件方面的）。0.视觉SLAM十四讲1.ch3------
终问鼎·2024-02-08 23:28

g2o优化器系列1

参考资料：[1]深入理解图优化与g2o：g2o篇[2]SLAM14讲6.4曲线拟合程序[3]SLAM14讲7.8.2PNP中使用g2o[4]SLAM14讲7.9.2ICP中非线性优化[5]SLAM14讲
Optimization·2024-02-01 19:11

自律修身-2022-06-23

但是每天实际工作的量还是不够，主要是来看slam14讲算法书的进展太慢。这个主要原因还是自己的问题，经常动不动就想休息。毕竟之前精气伤了这么多年。如果从12年开始算已经有10年了。
Aaron_Swartz·2024-01-10 21:32

视觉SLAM14讲——李群与李代数

前面的文章说过三维空间的刚体运动，介绍了旋转的表示。在SLAM中相机的位姿是不确定的，需要我们进行优化，常用的优化方法便是求导，但是旋转矩阵由于自身的特殊性(行列式为1的正交矩阵)，使我们无法直接对旋转矩阵进行求导优化，所以引入了李群与李代数来简化求解方式。1、李群与李代数上一篇文章说过旋转矩阵构成了特殊正交群SO(3)，变换矩阵构成特殊欧氏群SE(3)。首先我们来介绍下群这一概念。1、群无论从旋
Bumblebee972·2023-12-25 21:19

手撕 视觉slam14讲 ch13 代码 总结

GitHub-tzy0228/Easy-VO-SLAM:VSLAM-CH13工程代码注释版本二、编译过程踩坑视觉SLAM十四讲第二版ch13编译及运行问题_全日制一起混的博客-CSDN博客三、代码解读手撕视觉slam14
全日制一起混·2023-11-30 22:46

【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

自学SLAM（6）相机与图像实践：OpenCV处理图像与图像拼接(点云)

前言如果写过SLAM14讲第一次的作业，或者看过我之前的运行ORB_SLAM2教程应该都安装过OpenCV了，如果没有安装，没关系，可以看我之前的博客，里面有如何安装OpenCV。
Chris·Bosh·2023-11-02 20:30

手撕 视觉slam14讲 ch13 代码（7）后端优化 Backend::Optimize()

在上一篇手撕（6）中的InsertKeyframe()插入关键帧的函数里，有一个Backend::UpdateMap()函数，从这里通过条件变量map_update_来激活后端优化。backend.h：//*有单独优化线程，在Map更新时启动优化//*Map更新由前端触发#ifndefMYSLAM_BACKEND_H#defineMYSLAM_BACKEND_H#include"MYSLAM/co
全日制一起混·2023-10-29 00:17

手撕 视觉slam14讲 ch7 / pose_estimation_3d2d.cpp （2）

上一篇文章中:手撕ch7/pose_estimation_3d2d（1），我们调用了epnp的方法进行位姿估计，这里我们使用非线性优化的方法来求解位姿，使用g2o进行BA优化首先介绍g2o：可参考：g2o详细介绍1.构建g2o图优化思路：步骤一：创建线性方程求解器，确定分解方法//每个误差项优化变量维度为3，误差值维度为1typedefg2o::BlockSolver>Block;//创建一个线性
全日制一起混·2023-10-18 02:18

手撕 视觉slam14讲 ch13 代码（5）双目初始化 StereoInit()

上一篇，我们分析了Frontend::AddFrame()函数，将会根据前端状态变量FrontendStatus，运行不同的三个函数，StereoInit()，Track()和Reset()，首先肯定是双目初始化StereoInit()函数：双目初始化的步骤也很简单：就是根据左右目之间的光流匹配，寻找可以三角化的地图点，成功时建立初始地图：首先用DetectFeatures()函数对左目提GFTT
全日制一起混·2023-10-18 02:48

视觉SLAM十四讲学习笔记——ch12建图

12.2.2RGB-D稠密建图八叉树建图-octomap_mapping点云-网格建图-pointcloud_mappingsurfel重建-surfel_mappingBug调试参考博客12.1理论部分可参考博客:SLAM14
路拾遗37·2023-10-18 02:43

视觉slam14讲ch5总结（各种坑）

1.imageBasicsimageBasics.cpp不做修改CMakeLists.txtproject(imageBasics)cmake_minimum_required(VERSION3.10)add_executable(imageBasicsimageBasics.cpp)#链接OpenCV库find_package(OpenCVREQUIRED)#添加头文件include_direc
新生菜鸟不怕猫·2023-10-18 01:41

手撕 视觉slam14讲 ch13 代码（6）正常跟踪模式 Track()

上一篇双目初始化完成过程中，跟踪状态FrontendStatus变成了TRACKING_GOOD，因此之后，将进入正常跟踪的Track()函数：Track函数的流程也很清晰：首先，用匀速模型给当前帧的pose设置一个初值，这里用上一帧位姿获得当前位姿估计的初始值然后，用光流法匹配前后两帧的特征点（前后两帧都只用左目图像），并返回光流法匹配到的点的数量，对应TrackLastFrame()函数然后，
全日制一起混·2023-10-18 01:09

Eigen库学习(1)--------------基础运算

最近在看SLAM14讲的时候顺便看了一下Eigen库的相关使用，之前一直知道Eigen库但是一直没详细的看Eigen库的实际用法，因此，就记录了一下Eigen库的使用。
凶萌的小老虎·2023-10-14 22:21

【深蓝学院】手写VIO第4章--基于滑动窗口算法的 VIO 系统：可观性和 一致性--作业

0.内容T1.参考SLAM14讲P247直接可写，注意ξ1,ξ2\xi_1,\xi_2ξ1,ξ2之间有约束（关系）。
读书健身敲代码·2023-10-04 16:22

slam14讲-ch13 和 orb-slam2

OpenSLAM.org1、基础知识1.1c++1.1.1h文件的撰写规则#pragmaonce#ifndefMYSLAM_CAMERA_H#defineMYSLAM_CAMERA_H#endif//MYSLAM_CAMERA_H1.1.2共享指针在实际的C++开发中，我们经常会遇到诸如程序运行中突然崩溃、程序运行所用内存越来越多最终不得不重启等问题，这些问题往往都是内存资源管理不当造成的。比如：
Rusian_Stand·2023-09-21 20:48

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

VSLAM（3）：最优化问题与优化问题的代码实现

本节总结SLAM问题中的优化问题以及常用数学方法，并且给出图优化问题的定义以及SLAM14讲中的g2o和ceres例子。
聪明的笨小子·2023-09-03 01:27

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slam14讲 逐行解析代码 ch7 / orb_cv.cpp

orb_cv.cpp源码阅读首先，我们需要知道这部分代码的目的和步骤：目的：调用opencv来提取和匹配两张图像的ORB（在每张图像中找到“区分度较高”的像素点，这里“区分度较高”具体为FAST角点。）步骤：基本分为读取图像初始化存储特征点数据的变量提取每张图像的检测OrientedFAST角点位置计算图像角点的BRIEF描述子根据刚刚计算好的BRIEF描述子，对两张图的角点进行匹配匹配点对筛选计
全日制一起混·2023-08-31 17:49

手敲视觉slam14讲 ch7 / pose_estimation_3d2d.cpp （1）

首先理清我们需要实现什么功能，怎么实现，提供一份整体逻辑：包括主函数和功能函数主函数逻辑：1.读图,两张rgb（cv::imread）2.找到两张rgb图中的特征点匹配对2.1定义所需要的参数：keypoints1,keypoints2,matches2.2提取每张图像的检测OrientedFAST角点位置并匹配筛选（调用功能函数1）3.建立3d点（像素坐标到相机坐标）3.1读出深度图（cv::i
全日制一起混·2023-08-31 17:14

视觉SLAM14讲笔记-第4讲-李群与李代数

李代数的引出：在优化问题中去解一个旋转矩阵，可能会有一些阻碍，因为它对加法导数不是很友好（旋转矩阵加上一个微小偏移量可能就不是一个旋转矩阵），因为旋转矩阵本身还有一些约束条件，那样再求导的过程中可能会破坏要优化的矩阵是旋转矩阵的本质条件，所以这里引入了一个乘法导数，即本章提到的左扰动或右扰动。参考文献：https://www.cnblogs.com/dzyBK/p上/13961868.html上一
可峰科技·2023-08-29 23:19

视觉SLAM14讲笔记-第3讲-三维空间刚体运动

空间向量之间的运算包括：数乘、加法、减法、内积、外积。内积：可以描述向量间的投影关系，结果是一个标量。a⃗⋅b⃗=∑i=13aibi=∤a∤∤b∤cos⟨a,b⟩\vec{a}\cdot\vec{b}=\sum_{i=1}^3{{a_i}{b_i}}=\nmida\nmid\nmidb\nmidcos\langlea,b\ranglea⋅b=i=1∑3aibi=∤a∤∤b∤cos⟨a,b⟩外积：外
可峰科技·2023-08-29 23:18

2022-12-23科研日志

vins-mono是比视觉SLAM14讲更加深入的学习资料，我在最近通过vins-mono汲取知识的同时，也要花费足够的精力来用14讲打基础，很多我看vins-mono不懂的点都可以通过14讲得到补充。
独孤西·2023-08-28 17:38

相机成像过程

用小孔成像原理解释成像原理，这个在视觉SLAM14讲中，有非常详细的描述。1、相机成像就是将相机坐标系下的空间点，投影到相机的像素点，整个过程可以用下面的投影过程描述。
欧阳紫洲·2023-08-20 07:24

【视觉slam14讲】---旋转平移矩阵下标

变换矩阵T理解：旋转矩阵R12是表示坐标系从1到2的变换。平移矩阵t12是表示从坐标系1指向坐标系2，但是通过观察就会发现，该运算是矩阵的运算，在图中的三角形中可以发现是成立的。要想求得p在坐标系1下的坐标a1，就是需要a2+t12坐标系变换和坐标系下的点的变换是不一样的
白白白白白kkk·2023-08-02 06:06

opencv 单应矩阵 应用

视觉惯性SLAM14天挑战大作业任务：利用单应矩阵将广告牌的内容替换成自己的图片。
梅夫人·2023-07-20 11:26

ubuntu18.04 安装视觉SLAM14讲各种库和编码器（以14讲章节为顺序）＜记录+分享帮助＞

目录一、gcc和g++编码器二、cmake安装三、安装CLion四、Eigen库五、Pangolin库六、安装Sophus库（模板类）七、安装opencv八、安装Ceres库九、安装g2o（4.28改）2月14日更新sophus库（非模板）5月11日更新一、安装Dbow库二、安装PCL库（源码安装）一、gcc和g++编码器查看版本（判断是否有gcc、g++）一般安装ubuntu时系统会自带若没有发
山也相爱·2023-07-18 03:27

（九）相机内参、外参、反透视变换python opencv

基础知识理论在视觉slam14讲中有详细说明，但是其代码是c++这里采用pythonopencv实现。相机内参外参标定：
shiyueyueya·2023-07-16 07:03

【SLAM14讲】04 三维空间刚体运动

一、坐标系之间的欧式变换xW,yW,zW定义的世界坐标系，xC,yC,zC定义的相机坐标系。相机视野中某个向量p，它的坐标为pc，而从世界坐标系下看，它的坐标pw。二、相机运动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。这样一个欧氏变换由一个旋转R和一个平移t两部分组成。这里考虑旋转。我们设某个单位正交基(e1,e2,e3)经过一次旋转
Darren_pty·2023-07-14 14:18

【SLAM14讲】 SLAM数学基础

一、向量我们确定一个坐标系，也就是一个线性空间的基(e1,e2,e3)，那就可以谈论向量a在这组基下的坐标了：1.1内积内积可以描述向量间的投影关系1.2外积外积的方向垂直于这两个向量，大小为|a||b|sin〈a,b〉，是两个向量张成的四边形的有向面积。对于外积，我们引入了∧符号，把a写成一个矩阵。事实上是一个反对称矩阵（Skew-symmetric），你可以将∧记成一个反对称符号。这样就把外积
Darren_pty·2023-07-14 14:18

【SLAM14讲】05 李群与李代数

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。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，我们希望把位姿估计变成无约束的优化问题，简化求解方式。加法不封闭：乘法封闭：只有一个运算的集合，我们把它叫做
Darren_pty·2023-07-14 14:18

SLAM十四讲——ch4实践（李群李代数）

视觉SLAM14讲----ch4的操作及避坑一、ch4的实践的准备工作二、各个实践操作1.Sophus的基本使用方法2.例子：评估轨迹误差三、遇到的问题一、ch4的实践的准备工作确保已经有Sophus库
琉璃轻纱·2023-06-11 00:14

【SLAM学习笔记1】欧拉角之万向锁问题（Gimbal Lock）

四、Reference前言之前看视觉SLAM14讲时，看到欧拉角的万向锁问题，当时没搞懂，这两天突然又看到这个问题，看了很多帖子和动画，其实大家讲
Jay_z在造梦·2023-06-10 01:12

初识视觉SLAM（视觉SLAM十四讲ch1~ch2的收获与总结）

视觉SLAM14讲ch1和ch2的学习视觉SLAM14讲ch1和ch2的学习前言：一、SLAM是什么二、视觉SLAM14讲学习前的基础三、初步了解1.小萝卜的例子2.了解一些视觉SLAM的框架3.一些数学问题的表述视觉
琉璃轻纱·2023-04-16 12:56

SLAM评测工具

github.com/MichaelGrupp/evo使用conda进入一个python3的环境，安装超时重试一次即可pipinstallevo--upgrade--no-binaryevo数据格式与SLAM14
gyqJulius_Caesar·2023-04-10 15:06

【解决问题】【 error: ‘/usr/lib/x86_64-linux-gnu/libGL.so‘】【库的链接】【工具apt-file-用来解决linux 下任何 lib 文件缺失】

3.1.1库的链接建立3.1.2库的链接查看3.2工具apt-file，查看可以用来解决linux下任何lib文件缺失的情况3.2.1工具apt-file安装3.2.2使用示例4参考文章0前言这个问题是我在slam14
踏破万里无云·2023-04-02 14:16

视觉SLAM14讲第三章习题作业

这是本人的解答，并非官方解答验证旋转矩阵是正交矩阵在第44页中，旋转矩阵的引入是这样的：所以，我们需要验证矩阵R=[e1Te1′e1Te2′e1Te3′e2Te1′e2Te2′e2Te3′e3Te1′e3Te2′e3Te3′]R=\begin{bmatrix}e_1^{T}e_1^{'}&&e_1^{T}e_2^{'}&&e_1^{T}e_3^{'}\\e_2^{T}e_1^{'}&&e_2^{T
培之·2023-04-01 04:29

Ubuntu18.04安装PCL 1.9.1(图文详解，附踩坑和测试)

安装教程1、安装分析2、安装pcl所需依赖3、安装vtk4、安装pcl5、测试pcl1、安装分析Ubuntu版本pcl版本vtk版本18.041.918.2.0首先通过《视觉slam14讲》中三条命令行的方式安装
振华OPPO·2023-03-10 20:27

视觉SLAM14讲笔记05：ch7三角测量，PnP，ICP

三角测量考虑图像I1I_{1}I1和I2,I_{2},I2,以左图为参考，右图的变换矩阵为TTT。相机光心为O1O_{1}O1和$O_{2}。在。在。在I_{1}$中有特征点p1,p_{1},p1,对应I2I_{2}I2中有特征点p2p_{2}p2。理论上直线O1p1O_{1}p_{1}O1p1与O2p2O_{2}p_{2}O2p2在场景中会相交于一点P，该点即是两个特征点所对应的地图点在三维场景
^鸢飞鱼跃^·2023-01-31 22:14

SLAM14讲学习笔记（八）回环检测

学习到这里为止，SLAM14讲的主要知识就不多了。这章的内容书里只是做了一个简述，因此读起来也没有什么难度。但是初学者不仔细看就很容易犯糊涂。
zkk9527·2023-01-26 10:47

SLAM14讲-ch12 回环检测实践记录

安装BoW库训练字典需要安装BoW库（DBoW3）https://github.com/rmsalinas/DBoW3注：cmake工程，老方法编译安装即可，记住sudomakeinstall编译cmake工程mkdirbuildcmake..make-j8运行此程序，将看到如下字典信息输出：分支数量k为10，深度L为5，单词书为4970，没有达到最大容量；Weighting表示权重，Scorin
臭皮匠-WW·2023-01-26 10:16

【深蓝学院】手写VIO第1章

0.引言完成了SLAM14讲的学习，来VIO进行进阶。1.概述与课程介绍Section1.课程介绍Section2.VIO概述为什么把视觉和IMU结合在一起？
读书健身敲代码·2023-01-17 17:12

学习视觉SLAM14讲ch4时，运行example工程，及所遇到的问题汇总（Ubuntu20.04）

1.准备工作2.进入slambook2/ch4/example文件夹3.修改CMakeLists.txt4.cmake5.make6.新建example文件夹放置实验数据7.运行8.运行结果前言在学习SLAM14
MFL_xiaotaiye·2023-01-14 23:18
上一页 1 2 3 4 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他