
slam
bestrivern
热爱计算机视觉,机器学习,算法,编程,正在不断学习中
展开
-
slam第二讲(三维空间刚体运动)
一.旋转矩阵1.点和向量,坐标系外积:表示矩阵a的反对称矩阵,以此来表示矩阵的外积运算。2.坐标系间的欧式变换坐标系1的单位正交基:[e1,e2,e3] 点在坐标系1中的坐标:[a1,a2,a3]坐标系2的单位正交基:[e1',e2',e3'] 点在坐标系2中的坐标:[a1',a2',a3']则转换关系如下...原创 2019-04-23 16:09:01 · 801 阅读 · 0 评论 -
slam第四讲(相机与图像)
一.相机模型相机几何模型:将三维空间中的点(单位为米)映射到二维图像平面(单位为像素)的过程。 针孔模型针孔模型是常见且有效的模型。 因为相机镜头透镜的存在,使得光线投影到成像平面过程中产生了畸变畸变。1.针孔相机模型如上图所示,建立相机坐标系(O−xyz),图像物理坐标系(O′−x′y′z),图像像素坐标系(o−uv)相机坐标系图像物理坐标系设三维空间中点 P在...原创 2019-04-24 14:21:07 · 1290 阅读 · 0 评论 -
slam第一讲(初识slam)
1.SLAM: Simultaneous Localization and Mapping,同时定位与地图构建定义: 搭载特定传感器的主体,在没有环境先验信息的情况下,于运动过程中建立环境的模型,同时估计自身的运动(位姿)。 如果这里的传感器是相机,就称之为视觉 SLAM。2.SLAM 的目的是解决“定位”与“地图构建”这两个问题希望实时地、在没有先验知识的情况下进行 S...原创 2019-04-20 16:01:20 · 714 阅读 · 0 评论 -
slam第六讲(视觉里程计1_1)
VO按是否需要提取特征,分为特征点法的前端和不提特征的前端。这一章讲的是基于特征点法的前端,分为以下内容。特征点法:找到两张2D图像上的匹配点。 对极几何:根据2D-2D特征点对求解R,t。 三角测量:根据2D-2D特征点求深度。 PnP:根据3D点云和匹配的2D图像求R,t。 ICP:求两个点云之间的R,t。关系是:特征点法找到2D图像的匹配点对,用于对极几何和pnp 对极...原创 2019-09-23 09:50:31 · 1800 阅读 · 0 评论