slam14

视觉slam14讲之相机模型

1.单目相机模型a.首先，世界坐标系下有一个固定的点P，世界坐标为Pw。b.由于相机在运动，它的运动由R,t或变换矩阵T描述。P的相机坐标为P’=R*Pw+t。c.这时的P’仍有X,Y,Z三个量，把他们投影到归一化平面Z=1上，得到P的归一化相机坐标：Pc=[X/Z,Y/Z,1]T.d.最后，P的归一化坐标经过内参后，对应到它的像素坐标：Puv=KPc。其中共谈到了4种坐标：世界坐标，相机坐标，归
我吃龙虾·2020-07-28 03:03

视觉slam14讲之VO框架的搭建

视觉里程计VO的搭建基本都会有以下几个问题：怎么管理地图点，如何处理误匹配，如何选择关键帧。。。由简到繁进行。1.视觉里程计分单目，双目，RGB-D三大类。单目视觉相对复杂，RGB-D最简单，没有初始化，也没有尺度问题。2.编写小规模的库时，往往建立一些文件夹，把源代码，头文件，文档，测试数据，配置文件，日志等分类存放。当一个库内容很多时，往往还会把代码分解各个独立的小模块，便于测试。OpenCV
我吃龙虾·2020-07-28 03:03

视觉slam14讲之后端优化

前端视觉里程计能给出一个短时间内的轨迹和地图，但不可避免的误差累积，这个地图在长时间内是不准确的。要想构建一个尺度，规模更大的优化问题，以考虑长时间内的最优轨迹和地图，这时后端优化就出现了。1.滤波器模型a.马尔可夫性，当前状态只和上一个时刻有关。P(Xk|Xk-1,X0,U1:k,Z1:k-1)=P(Xk|Xk-1,Uk)。把K-1时刻的状态分布推导至k时刻，也就是说，在程序运行期间，我们只要维
我吃龙虾·2020-07-28 03:03

slam14讲ch4作业----双目视差图恢复点云图

参考了这篇答案一、工程描述（深蓝学院slam14–ch4课后作业）利用kitti数据集中的双目相机图像部分，给的left.pngright.png以及视差图diapaity.png来恢复出三位点云（主要计算深度
记昨日书dd·2020-07-27 13:09

视觉slam14讲学习（二）之视觉校正和双目点云生成

1.有相机内参的情况下，对畸变图像进行处理去畸变公式：image_undistorted(u,v)=image_raw(u_distorted,v_distorted)1.直接获取原图的(u,v)，就是去畸变后的像素坐标------------>去畸变后的归一化坐标（x,y）2.由去畸变后的归一化坐标（x,y）--------------->计算得到去畸变前归一化坐标（x_distorted,y_
su扬帆启航·2020-07-27 12:25

欧拉角中万向锁问题简单理解

参考：视觉slam14讲说明：在看高翔大大的视觉slam14讲欧拉角部分时，提到万向锁问题，当时第一遍没看懂，接着上网搜索了一下，发现大多都是以某个老外的视频讲解出发，内容比较多，再就是各种不怎么理解的图
富士山下1234·2020-07-13 12:45

Ubuntu16.04中拼接点云生成三维稠密点云地图

首先还是先看例程，基于SLAM14讲5.4的源码：本机环境Eigen3，pcl1.7opencv3.3.1源码提供了5张彩色图和深度图以及对应的相机位姿（平移向量xyz旋转四元数qxqyqzqw），例程效果如下
KL_Li·2020-07-13 10:22

Ubuntu16.04中单目相机稠密重建（深度估计）

基于SLAM14讲13.3中提到的单目稠密重建方法，重建自己的单目相机图片的深度图。我们已经制作了自己的数据集，而且我们现在也根据合适的算法得到了对应的相机位姿。
KL_Li·2020-07-13 10:22

关于高翔博士视觉SLAM14讲第七讲中程序编译中的几点小修改

首先说明本人系统和软件情况，Ubuntu16.04系统，opencv4.0.0；其他软件略遇到问题1.opencv版本问题，编译出错。解决方法：在CMakeLists.txt中将find_package(OpenCV3.0REQUIRED)中的3.0改为对应版本或者直接去掉3.0。问题2.编译出现报错信息/home/vacation/slambook/slambook/ch7/pose_estim
weixin_43988000·2020-07-12 13:29

李群李代数知识整理

参考：李群李代数转换关系视觉SLAM14讲第4讲https://zhuanlan.zhihu.com/p/33156814https://blog.csdn.net/heyijia0327/article
rain_promise·2020-07-11 21:27

高翔slam14讲中ch7代码中的一些修改

目录问题1:opencv版本问题，编译出错。问题2:../ch7/pose_estimation_3d2d.cpp:43:35:error:‘CV_LOAD_IMAGE_COLOR’wasnotdeclaredinthisscope问题3:编译2d2d.cpp时，报错：CV_FM_8POINTwasnotdeclaredinthisscope问题4:这个是g2o库更新导致用法改变主要参考：章节：高
jyzwell·2020-07-11 18:15

手写VIO学习总结（三）

参考我以前的博文视觉slam14讲学习（四）之Ceres和G2O使用那篇博文是用高斯
su扬帆启航·2020-07-11 14:08

视觉SLAM14讲 第七讲 视觉里程计1

C++代码特征提取：找出2张图片中相似的点特征：关键点(例如角点，明暗变化大的点)+描述子(记录的关键点的特征信息，方向，旋转等)FAST特征点：角点，检测局部像素灰度变化大的地方，FAST-N半径为3的圆上有16个像素点，计算是否连续N个点亮度大于或小于阈值ORB=ORrentedFast特征点(像素几何中心到平均亮度中心的连线是方向)+BRIEF描述子(二进制，用汉明距离描述差异)匹配方法：暴
雨田2017·2020-07-08 05:10

资源 |【算法学习电子书】+【深度学习视频课】+【SLAM14讲】

左侧关注并回复关键字：资源一、资源二、资源三获取网盘链接左侧关注并回复关键字：资源一、资源二、资源三获取网盘链接左侧关注并回复关键字：资源一、资源二、资源三获取网盘链接资源一：电子书资源另外还有：资源二：深度学习视频资料1.“花书”深度学习圣经——动手学深度学习2.《计算机视觉深度学习入门》共5门课程视频3.《深度学习进阶视频课程》资源三：SLAM十四讲视频课程（高翔）《视觉SLAM十四讲：从理论
关注公众号‘AI深度视线’·2020-07-07 03:27

视觉slam14讲学习（六）之单目视觉里程计实战

1.引言5点法求解R,t理论部分代码实战////本程序演示如何从Essential矩阵计算R,t//#include#include#includeusingnamespaceEigen;#include#includeusingnamespacestd;intmain(intargc,char**argv){//给定Essential矩阵Matrix3dE;Esvd(E,ComputeThinU
su扬帆启航·2020-07-02 14:00

视觉slam14讲之建图

建图（Mapping）是slam的两大目标之一。上述讨论的都是定位，讨论了特征值点的定位，直接法的定位，以及后端优化。在经典的slam模型中，所谓的地图，即所有路标点的集合。一旦确定了路标点的位置，可以说明完成了建图。只是如此，那么视觉里程计，BundleAdjustment算完成了任务，还额外的进行了优化。但建图的需求不同，SLAM作为一种底层技术，往往是用来为上层应用提供信息。例如扫地机器人需
我吃龙虾·2020-07-02 10:45

《视觉SLAM14讲》学习笔记——ORB特征提取与匹配

本篇博客是对于《视觉SLAM十四讲》中第7讲的ORB特征提取和匹配部分进行一个记录，后续会继续完善和补充ORB的其他内容7.1特征点法视觉里程计算法主要分为：特征点法和直接法特征点法的优点：稳定，对光照、动态物体不敏感7.1.1特征点提取角点的算法有：Harris角点、FAST角点、GFTT角点等单纯的角点不具有尺度不变性，目前主要的特征点有**SIFT1、SURF、ORB2**等特征点由**关键
fansa_orz·2020-07-01 15:01

g2o学习笔记（一）：曲线拟合

预备知识：《视觉slam14讲》ch6部分博文风格：由于这是第一篇博客，先介绍
木独·2020-07-01 13:36

ubuntu中需要安装的开源库（SLAM14讲为主）

新装了ubuntu16.04,之前的开源库全部需要重装，这里总结一下需要装的库，以及装的步骤。总的来说，需要装Eigen线性代数库、Sophus李代数库、OpenCV计算机视觉库、PCL点云库、Ceres非线性优化库、G2O图优化库（Octomap八叉树地图库、DBoW3词袋模型库）1、Eigen线性代数库Eigen库是一个Ｃ＋＋线性代数开源库，它提供了有关线性代数、矩阵和矢量运算、数值分析及相关
是皮皮攀呀，·2020-07-01 12:57

SLAM14讲学习笔记（六）后端（最难一章：卡尔曼滤波器推导、理解以及扩展）

这一章的内容并不多，不像视觉里程计那章的内容那么厚。但是我认为它是整个SLAM十四讲中最难的一章，难点主要在于卡尔曼滤波器的推导涉及到一屁股的数学公式，非常的讨厌，如果不能静下心来，就很容易被吓到。但是真正看懂以后实质上它是比较简单的，并没有用到什么太过复杂的变换（不像傅里叶变换就十分的抽象，这也是我从电信科专业转到计算机专业的主要原因之一，因为我实在厌烦了与傅里叶变换打交道。），本质上这节内容掌
zkk9527·2020-06-30 18:18

SLAM14讲学习笔记（九）单目稠密重建、深度滤波器详解与补充

这次的笔记我把13讲的部分内容总结一下。虽然slam的名字叫同步定位与构图，但是书中建图的内容却少的可怜。据此高博给出了自己的解释，意为在定位的过程中，我确定了很多特征点的世界坐标，那这个过程其实就是建图了。一个点云中，每个已知世界坐标系的特征点给它的位置塞一个点，那这不就是建图吗？从这角度来说倒也没有太大的问题。但是作为用户，对于地图的要求是不一样的，比如希望地图应该是稠密的。而基于特征点方法的
zkk9527·2020-06-30 18:45

SLAM14讲学习笔记（七）后端（BA与图优化，Pose Graph优化的理论与公式详解、因子图优化）

上一节内容中我总结了卡尔曼滤波器的推导及其扩展的过程SLAM14讲学习笔记（六）后端（最难一章：卡尔曼滤波器推导、理解以及扩展），我认为那部分内容直接接触是比较难以理解的。
zkk9527·2020-06-30 18:44

SLAM14讲学习笔记（三）非线性优化基础

这部分的内容，第一次看觉得很难看懂，不知所云；最近第二次看，可以看明白了。本着“先赶理论，后赶代码，借着代码复习C++”的原则，现在先不去学习代码的内容。这一章的内容，应该先从宏观上看。第一次看的时候，就是陷入了细节，忘记了每时每刻主要是在做什么，因此看完之后不能融会贯通。说明学习的时候，把握整体的脉络比追究细节更重要（毕竟不是考试，平时不用闭卷）。后者可以临时抱佛脚，现用现查，而前者不行。我在这
zkk9527·2020-06-30 18:44

微鉴道长SLAM学习笔记（目录）

下面是第一版视觉SLAM14讲我的笔记目录。
zkk9527·2020-06-30 18:42

Ubuntu安装PCL(Point Cloud Library)思路总结

1.Ubuntu14的用户可以使用视觉SLAM14讲书中的安装方式，个人是Ubuntu16，使用时第二条语句过不去，各种忽略。
Eminbogen·2020-06-27 10:29

视觉slam14讲——第9讲 设计前端

本系列文章是记录学习高翔所著《视觉slam14讲》的内容总结，文中的主要文字和代码、图片都是引用自课本和高翔博士的博客。代码运行效果是在自己电脑上实际运行得出。
leeayu·2020-06-25 01:47

视觉slam14讲学习（一）之se3上的定位表示:轨迹显示与轨迹误差

中的轨迹信息2.用pangolin画出轨迹poses3.利用Eigen进行欧拉角和四元数的转化4.画出两条轨迹，对定位精度进行分析5.结果显示1.读出trajectory.txt中的轨迹信息高翔博士的视觉slam14
su扬帆启航·2020-06-24 18:11

[ubuntu 16.04 安装 opencv3.4.1 以及 opencv_contrib 3.4.1]

学习高翔slam14讲的过程当中安装opencv发现又是各种报错，现记录如下，以供后人参考。
npkhgl·2020-06-24 17:36

SLAM14讲学习笔记 —— 第六讲 —— 非线性优化

一.状态估计问题经典的SLAM/模型由2个方程构成：如上式所示：上面的为运动方程；下面的为观测方程。参数：k:时刻xk:k时刻的相机位姿。（用变换矩阵或李代数表示）uk:输入（运动传感器的读数）yj:相机位姿为xk时，观测点的路标点zk,j:相机位姿为xk时，对路标yj进行了一次观测，对应到图像上的像素位置。wk:噪声项vk,j:噪声项f()、h():某函数本讲主要讲观测方程：根据第五讲的知识：假
木易早早·2020-06-24 16:05

[Bug集合]fatal error: pcl/visualization/pcl_visualizer.h: No such file or directory

找到这篇文章的你一定是看了SLAM14讲第五章来的，我解决这个问题大概用了三天。。(小声bb：第五章根本用不上这个h文件，你注释掉就行)主流装PCL大概我总结了一下。可以看一下这里。
Eminbogen·2020-06-21 09:08

从概率角度出发的卡尔曼滤波器推导

根据《视觉SLAM14讲：从理论到实践》的P106-P107、P237-P243以及相关的概率方面的基础进行总结。以高翔博士P237-P243中公式为主线进行展开。目的是加强这个方面的联系感。
Optimization·2020-03-22 03:08

图像处理基础--像素遍历，浅拷贝，深拷贝

图像处理基础–像素遍历，浅拷贝，深拷贝这篇博客主要根据高翔的《视觉SLAM14讲》的开源代码进行学习，在Windows上，采用VS2019对代码进行编译。
我不叫小北·2019-08-18 22:33

图像处理基础--像素遍历，浅拷贝，深拷贝

图像处理基础–像素遍历，浅拷贝，深拷贝这篇博客主要根据高翔的《视觉SLAM14讲》的开源代码进行学习，在Windows上，采用VS2019对代码进行编译。
我不叫小北·2019-08-18 22:33

SLAM14讲学习笔记（十四）ch13 建图（代码详述带注释）

本章的理论内容已经总结到了SLAM14讲学习笔记（九）单目稠密重建、深度滤波器详解与补充（纠正第13讲建图中的错误），这章的内容在关键的深度滤波器的地方犯了一些错误，我将其标了出来。
zkk9527·2019-05-03 23:46

SLAM14讲学习笔记（十三）ch10 后端1（代码详述）

本章的理论内容我已经将其总结在了SLAM14讲学习笔记（六）后端（最难一章：卡尔曼滤波器推导、理解以及扩展）以及SLAM14讲学习笔记（七）后端（BA与图优化，PoseGraph优化的理论与公式详解、因子图优化
zkk9527·2019-05-01 21:39

SLAM14讲学习笔记（十二）ch9设计前端（代码详述）

对此，我总结了到了之前的一章中：SLAM14讲学习笔记（十一）g2o图优化中的要点与难点（前端VO中雅克比矩阵的定义）第二，程序的架构，各个部分的组装。
zkk9527·2019-04-29 21:20

现在SLAM存在的问题

又到了每周组会的时间了，这周主要是收集了现在领域当中SLAM存在的一些开放性问题以及在学习SLAM14讲。
MrZhuangzhipeng·2019-04-04 21:20

SLAM14讲读书笔记01_SLAM问题的阐释

前言下面这篇文章是一个粗略的总述，通过它理解SLAM问题的来源，大概内容，主要方法和难点：https://www.leiphone.com/news/201605/5etiwlnkWnx7x0zb.html接下来可以来看slam问题的进一步阐释，参照高翔（半闲居士）的博客：https://www.cnblogs.com/gaoxiang12/p/3695962.html看了高翔先生的博客后，我决定
釗呀釗·2019-02-25 10:15

视觉slam14讲学习笔记 （第2讲—初识SLAM）

视觉SLAM14讲——第1讲：前言本文将的是第2讲内容，内容囊括：1.SLAM框架中的模块构成，各模块任务；2.编程环境搭建；3.Linux编译程序；4.cmake基本使用；上一讲中提到过SLAM的任务是定位
ciky奇·2019-02-18 20:46

视觉slam14讲学习笔记 （第1讲）

参考书籍：《视觉SLAM14讲》代码：https://github.com/gaoxiang12/slambook第1讲：前言；学习需具备的知识：>高等数学、线性代数、概率论>C++语言基础>Linux
ciky奇·2019-02-14 20:53

视觉SLAM流程总结

下面从我的经验上列一下要准备的工具：视觉SLAM14讲这个不必多说了，目前堪称圣经；Ubuntu笔记本16.04或14.04都可以，如果没接触过Ubuntu
deffand·2018-12-25 21:14

UBUNTU安装opencv 3.4.3并且使用SIFT特征和viz

写作意图换了新电脑，需要重新配置一下opencv3，在使用SIFT特征和viz（用于高翔SLAM14讲中的VO可视化）时遇到了点问题，问题不难解决，但因为编译一次opencv也挺久的，如果能提前注意到这些问题
LiBer_CV·2018-11-12 14:36

OpenCV Error: Assertion failed ((type == CV_8U && dtype == CV_32S) || dtype == CV_32F)

在做视觉里程计时，之间套用高博slam14讲的方法时报错：OpenCVError:Assertionfailed((type==CV_8U&&dtype==CV_32S)||dtype==CV_32F)
Enjoy lab and life·2018-10-14 19:39

视觉SLAM十四讲-第五讲笔记

视觉SLAM14讲-第五讲笔记针孔相机模型不同坐标系世界坐标系相机坐标系以光心为原点，相机自身的坐标系。世界坐标系经相机位姿变化（T作用)变换到相机坐标系。归一化平面位于相机前方Z=1处的平面上。
KylinQAQ·2018-10-10 10:31

视觉SLAM十四讲-第四讲笔记

视觉SLAM14讲-第四讲笔记优化问题为什么使用李代数：实际SLAM中，相机位姿R,T未知，需要进行估计，估计的过程可以看做最小误差的优化问题。
KylinQAQ·2018-10-10 10:03

视觉slam14讲——第11讲后端2

本系列文章是记录学习高翔所著《视觉slam14讲》的内容总结，文中的主要文字和代码、图片都是引用自课本和高翔博士的博客。代码运行效果是在自己电脑上实际运行得出。
leeayu·2017-12-19 21:10

视觉SLAM14讲学习笔记

SLAM参考博客：http://blog.csdn.net/BBZZ2/article/category/6113625http://blog.csdn.net/u010128736/article/category/6461394http://blog.csdn.net/David_Han008/article/category/6459344第二讲SLAM基础知识SLAM特指：搭载传感器的主体
arag2009·2017-11-02 14:12

视觉slam14讲——第3讲 三维空间刚体运动

旋转的四种表示方法四种变换1旋转的四种表示方法旋转向量(也叫轴角)旋转矩阵欧拉角四元数这四种都可以相互转化，使用Eigen库常用转化总结如下(0)构造旋转向量Eigen::AngleAxisdrotation_vector(M_PI/4,Eigen::Vector3d(0,0,1));(1)旋转向量(也叫轴角)---->四元数Eigen::Quaterniondq=Eigen::Quaternio
leeayu·2017-10-25 23:07

视觉slam14讲——第5讲 相机与图像

本系列文章是记录学习高翔所著《视觉slam14讲》的内容总结，文中的主要文字和代码、图片都是引用自课本和高翔博士的博客。代码运行效果是在自己电脑上实际运行得出。
leeayu·2017-10-25 14:38

视觉slam14讲学习笔记（持续更新中）

写在最前面：SLAM特指：特指搭载传感器的主体，在没有环境先验的信息情况下，在运动过程中建立环境模型，通过估计自己的运动。SLAM的目的是解决两个问题：1、定位2、地图构建也就是说，要一边估计出传感器自身的位置，一边要建立周围环境的模型最终的目标：实时地，在没有先验知识的情况下进行定位和地图重建。当相机作为传感器的时候，我们要做的就是根据一张张连续运动的图像，从中估计出相机的运动以及周围环境中的情
David_Han008·2017-05-07 21:58
上一页 1 2 3 4 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他