人工智能

根据单目视觉定位所用图像帧数不同把定位方法分为基于单帧图像的定位和基于双帧或多帧图像的定位两类。单帧图像定位常利用已知的点特征、直线特征或曲线特征与其在图像上的投影关系进行定位,其中用点特征和直线特征的定位方法简单有效而应用较多;基于双帧或多帧图像的定位方法因其操作复杂、精度不高而研究的还较少。通过对各方法的介绍和评述,为单目视觉定位问题的研究提供参考。现代计算机2011.060引言近年来,视觉传

写在前面先讲下 KinectFusion 算法的不足，KinectFusion 算法使用固定体积的网格模型表示重建的三维场景，这就造成重建的时候只能重建固定大小的场景，而且 KinectFusion 中使用的 TSDF 模型将整个待重建的空间划分成等大小的网格，当重建体积较大，或者网格的空间分辨率较高时很消耗显存。而且 KinectFusion 算法没有回环检测和回环优化，这也造成当相

The list of vision-based SLAM / Visual Odometry open source projects, libraries, dataset, tools, and studiesIndexLibrariesDatasetToolsProjectsLearnMiscellaneousLibrariesBasic vis

三角法求深度（triangulation）   在知道了相机的轨迹以后，使用三角法就能计算某个点的深度，在Hartley的《Multiple view Geometry》一书中第10章、第12章都是讲的这个，这里只讲解线性求解方法。    对于三维空间中的一点 P，我们假设第一个摄像机坐标系C1就是世界坐标系，P在世界坐标系下的表示为P=(x,y,z,1)T，这时，摄像机坐标系

前言  LSD-SLAM和ORB-SLAM的出现，使得单目slam最近成为了研究热点。单目SLAM一般处理流程包括track和map两部分。所谓的track是用来估计相机的位姿。而map部分就是计算pixel的深度，如果相机的位姿有了，就可以通过三角法(triangulation)确定pixel的深度，把这些计算好深度的pixel放到map里就重建出了三维环境。 主要内容

https://github.com/raulmur/ORB_SLAM2ORB-SLAM2Authors: Raul Mur-Artal, Juan D. Tardos, J. M. M. Montiel and Dorian Galvez-Lopez (DBoW2)13 Jan 2017: OpenCV 3 and Eigen 3.3 are now su

摘要转自：爱可可-爱生活The list of vision-based SLAM / Visual Odometry open source projects, libraries, dataset, tools, and studies IndexLibrariesDatasetToolsProjectsLearn

我们通常把基于相机的SLAM方法称为视觉SLAM，针对视觉SLAM的相关研究工作主要在三个方面：基于递归的贝叶斯概率估计理论的方法，包括卡尔曼滤波和粒子滤波及其扩展方法；基于关键帧和光束平差法（BA）捆绑调整的方法；基于图优化的方法。视觉SLAM方法可以在漫游的过程中既保持对自身的实时定位跟踪也能对经过的区域进行三维场景重建并进行图优化。所以基于单目视觉SLAM的三维场景实时重建在机器人、无人机增

单目视觉SLAM方法在是否引入概率框架方面分为基于概率框架的方法和基于非概率框架的方法。其中前者的代表方法是基于Kalman滤波（KF）的方法，基于粒子滤波（PF）的方法等；后者的代表方法是基于关键帧和稀疏捆绑调整优化的方法，基于图优化的方法等。       文章链接：http://www.opencv.org.cn/forum.php?mod=viewthread&tid=376

众所周知，利用双目摄像头可以方便地进行室内地图的构建，并进行移动机器人自身的定位，但是，由于双目摄像机在进行这些工作之前，首先要进行图像的匹配，而图像匹配是非常耗时的一项工作，目前的计算机系统尚没有办法实现快速计算并进行实时性反馈。为了解决室内移动机器人的实时自定位问题，本文提出了采用单目摄像头对机器人进行室内定位的方法。文中首先分析了世界坐标系、摄像机坐标系、图像坐标系以及计算机像素坐标系之间的

由于传感器种类和安装方式的不同，SLAM的实现方式和难度会有一定的差异。按传感器来分，SLAM主要分为激光SLAM和VSLAM两大类SLAM（同步定位与地图构建），是指运动物体根据传感器的信息，一边计算自身位置，一边构建环境地图的过程，解决机器人等在未知环境下运动时的定位与地图构建问题。目前，SLAM的主要应用于机器人、无人机、无人驾驶、AR、VR等领域。其用途包括传感器自身的定位，以及后