持之以恒

比经典高斯泼溅更佳高精

深度传感器与深度估计算法深度传感器概念深度估计问题最早起源于双目立体视觉，后面扩展到多视图立体视觉并得到了详尽的研究可供借鉴，现在我们推广到一般的深度估计问题。深度传感器的概率模型常用的概率模型有两种，第一种是高斯分布模型，较简单而易求解；第二种是高斯分布加均匀分布的混合分布，对现实传感器的属性描述更真实。高斯分布一般作为理想环境与传感器理想工作条件下传感器测量输出的分布，均匀分布则是对传感器运行异常或环境异常如遮挡问题等条件下假设的测量分布，两种分布的结合更能逼近描述真实世界。深度求解的具体方法

如何从图像等恢复深度。

其中，C为某常数，此时分布已不再是Gaussian x Beta分布，较复杂，但可利用1、2阶矩去匹配近似成Gaussian x Beta分布，按此思路不断更新，实验验证可收敛到真值附近。的分布，满足与真实后验的KL散度最小，由。第10.1.1章节，待求的分布。分别为观测的内外点的概率计数，则后验概率可推导为下式所近似。是高斯深度估计的期望与方差。独立，则有如下联合分布概率。意味第ℹ次测量为内点，意味第ℹ次测量为外点，次测量后，后验概率为。

单应模型、Homography矩阵在SfM或三维重建、VSLAM的初始化过程有着普遍的应用单应模型矩阵的推导设给定同一平面结构两幅图像，相机的内参分别为K1K1K_1、K2K2K_2，以第一幅图的相机坐标系为参考，则两个相机的投影矩阵分别为 P1=K[I0]P1=K[I0]\begin{equation*}P_1=K\left[\begin{arra...

相机标定的三种方法1. 基于标定板的辅助标定2. 基于世界属性的半自动标定3. 自标定1. 辅助标定典型方法即标定板标定（立体标定板与平面标定板）张正友提出的标定方法应用广发，基于单应模型实现求解相机内外参数。2. 半自动标定通过利用观察到属性，如平行线、垂直关系，实现标定内参数。3. 自标定通过先验约束条件，如相机的skew因数为零，估计相机的内参数。...

ORB_SLAM源码框架参考ORB_SLAM Paper ORB_SLAM：基于稀疏特征点的实时的间接类sfm **ORB_SLAM基本由三个线程实现： 1. Tracking 2. Mapping 3. Loop-closing主要变量以kitti_monoORB_SLAM2::System SLAM(argv[1],argv[2],ORB_SLAM2::Sy...

相关概念：图像采集与ISP色彩空间，从RGB到YUV。视频工程师发现，眼睛对于亮和暗的分辨要比对颜色的分辨更精细一些，也就是说，人眼对色度的敏感程度要低于对亮度的敏感程度将数字视频转换为YUV，用4：2：0采样方式获得1/2的压缩率。所谓编码算法，即寻找规律，构建模型。谁能找到更精准的规律，建立更高效的模型，谁就是厉害的算法。种类描述空间冗余静态图像中存在的主要冗余时间冗余帧序列中相邻帧包含相同的背景或物体构造冗余是不是编码冗余或熵冗余知识冗余由于先验常识导致的信息冗余视觉冗余。

数据结构landmark 点云与相关特征点template<typename Key, typename Value>using Hash_Map = std::unordered_map<Key, Value>;using Index_T = uint32_t;struct Observation{ Observation():id_feat(Und...