brzzuibang的博客

线性代数方法 与 非线性优化方法的区别和联系

需要注意的是代码自定义的triangulation函数，输入中已知：两幅图片中的特征点keypoint_1、keypoint_2以及他们的配对matches、转换R、t未知：特征点的具体位置（在第一个相机坐标中的坐标）在函数中调用了 opencv函数 cv::triangulatePoints(T1, T2, pts_1, pts_2, pts_4d);通过函数简介可知，该函数用于双目相机，通过T1、T2间的运动求特征点在世界坐标系的坐标，在此处令T1=E，使第一个相机坐标系为世界坐标系，求出来的p

SLAM数学问题引出SLAM模型为运动方程、观测方程组成的方程组，误差服从高斯分布。对机器状态的估计：已知输入u（运动测量读数）、观测z（传感器读数），求状态x（机器人位姿）、y（路标位置），从概率论的角度为P(x,y|z,u),根据贝叶斯法则，其值正比于P(z,u|x,y)*P(x,y)；求x,y即为求使P(x,y|z,u)最大的x，y值，此为最大后验估计（MAP，Maximum a Posterior Estimation）忽略P(x,y)，即为求使P(z,u|x,y)最大的x,y值，此为最