視覺SLAM 十四講——建圖
主要內容 1. 概述 在視覺SLAM看來，“建圖”是服務於“定位”的。從應用層面來看，地圖的作用如下： 1.1） 定位 1.2） 導航 至少需要知道地圖中哪些地方可以通過，哪些地方不可通過——至少是一種稠密的地圖 1.3） 避障 —— 稠密地圖 ...
原文：視覺十四講:第十講_位姿圖
.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，把他們看做位姿估計的約束，不再優化他們的位姿。 位姿圖即只考慮位姿，構建一個只有軌跡的圖優化，而位姿節點之間的邊，由兩個 ...
2020-09-08 10:45 0 456 推薦指數：
相關推薦
《視覺SLAM十四講課后作業》第二講
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 ...
視覺十四講：第七講_ORB特征點
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 ...
視覺十四講：第六講_ceres非線性優化
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 ...
視覺十四講:第九講_BA優化_g2o
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 ...
視覺十四講：第八講_光流法(特征點追蹤)
1.直接法的引出 特征點估計相機運動的方法，主要是在關鍵點和描述子的計算非常耗時；而且在紋理信息比較少的情況下，特征點的數量會明顯減少。 解決方案： 1.保留特征點，只計算關鍵點，不計算描述子，然后 ...
《視覺slam十四講》之第7講－特征提取與匹配
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“ ...
視覺SLAM十四講（第二版）第六講筆記
。 6.1 狀態估計問題 運動方程和觀測方程，Xk是位姿，w，v是噪聲。 位姿變量 xk ...