1.特征點 特征點是圖像里一些特別的地方,如角點、邊緣和區塊。比較著名有SIFT、SURF、ORB等。SIFT充分考慮了圖像變換過程中出現的光照、尺度、旋轉等變換，但是計算量非常大。而ORB是質量和性能之間比較好的折中。 特征點包含： 關鍵點 描述子 2. ORB特性 提取 ...

特征 特征為圖像中具有代表性的區域， 可以為角點，邊緣和區塊等。 特征是圖像信息的另一種數字表達形式。 特征具有以下性質： 可重復性（ Repeatability）：相同的“區域”可以在不同的圖像中被找到。 可區別性（ Distinctiveness）：不同的“區域 ...

1.優化問題： \(y=exp(ax^{2}+bx+c)+w\),由y和x，求解a,b,c 誤差為：\(e_{i}=y_{i}-exp(ax_{i}^{2}+bx_{i}+c)\) 誤差項對每一 ...

1.設線性⽅程 Ax = b，在 A 為⽅陣的前提下，請回答以下問題：1. 在什么條件下，x 有解且唯⼀？ 非齊次線性方程在A的秩與[A|B]的秩相同時方程有解，當R(A)=R(A,B)=n時方程有唯一解。 2. ⾼斯消元法的原理是什么？ 原理：高斯消元法的作用是又來求解線性方程組的解 ...

1.簡介 帶有相機位姿和空間點的圖優化稱為BA，能夠有效的求解大范圍的定位與建圖問題，但是隨着時間，規模越來越大，計算效率會大幅下降。我們發現，特征點在優化問題中占了很大部分，經過若干次迭代之后，特征點就會收斂，此時再進行優化的意義並不大，因此，在優化幾次后，可以把特征點固定住，把他們看做位姿 ...

使用Ceres求解非線性優化問題，一共分為三個部分： 1、 第一部分：構建cost fuction，即代價函數，也就是尋優的目標式。這個部分需要使用仿函數（functor）這一技巧來實現，做法是定義一 ...

1.投影模型和BA代價函數 這個流程就是觀測方程 之前抽象的記為： \(z = h（x, y）\) 現在給出具體的參數話過程，x指此時相機的位姿R,t，它對應的李代數為\(\xi\)。路標y即為這里的三維點p，而觀測數據則是像素坐標(u,v)。 此次觀測的誤差為： \(e = z - h ...

第六章 非線性優化 1. 理解最小二乘法的含義和處理方式。2. 理解 Gauss-Newton, Levenburg-Marquadt 等下降策略。3. 學習 Ceres 庫和 g2o 庫的基本 ...