1.特征点 特征点是图像里一些特别的地方,如角点、边缘和区块。比较著名有SIFT、SURF、ORB等。SIFT充分考虑了图像变换过程中出现的光照、尺度、旋转等变换，但是计算量非常大。而ORB是质量和性能之间比较好的折中。 特征点包含： 关键点 描述子 2. ORB特性 提取 ...

特征 特征为图像中具有代表性的区域， 可以为角点，边缘和区块等。 特征是图像信息的另一种数字表达形式。 特征具有以下性质： 可重复性（ Repeatability）：相同的“区域”可以在不同的图像中被找到。 可区别性（ Distinctiveness）：不同的“区域 ...

1.优化问题： \(y=exp(ax^{2}+bx+c)+w\),由y和x，求解a,b,c 误差为：\(e_{i}=y_{i}-exp(ax_{i}^{2}+bx_{i}+c)\) 误差项对每一 ...

1.设线性⽅程 Ax = b，在 A 为⽅阵的前提下，请回答以下问题：1. 在什么条件下，x 有解且唯⼀？ 非齐次线性方程在A的秩与[A|B]的秩相同时方程有解，当R(A)=R(A,B)=n时方程有唯一解。 2. ⾼斯消元法的原理是什么？ 原理：高斯消元法的作用是又来求解线性方程组的解 ...

1.简介 带有相机位姿和空间点的图优化称为BA，能够有效的求解大范围的定位与建图问题，但是随着时间，规模越来越大，计算效率会大幅下降。我们发现，特征点在优化问题中占了很大部分，经过若干次迭代之后，特征点就会收敛，此时再进行优化的意义并不大，因此，在优化几次后，可以把特征点固定住，把他们看做位姿 ...

使用Ceres求解非线性优化问题，一共分为三个部分： 1、 第一部分：构建cost fuction，即代价函数，也就是寻优的目标式。这个部分需要使用仿函数（functor）这一技巧来实现，做法是定义一 ...

1.投影模型和BA代价函数 这个流程就是观测方程 之前抽象的记为： \(z = h（x, y）\) 现在给出具体的参数话过程，x指此时相机的位姿R,t，它对应的李代数为\(\xi\)。路标y即为这里的三维点p，而观测数据则是像素坐标(u,v)。 此次观测的误差为： \(e = z - h ...

第六章 非线性优化 1. 理解最小二乘法的含义和处理方式。2. 理解 Gauss-Newton, Levenburg-Marquadt 等下降策略。3. 学习 Ceres 库和 g2o 库的基本 ...