关于EuRoc数据集双目相机之间的基线长度

双目视觉测量系统在不同纵向距离中测量精度比对实验 双目视觉测量精度比对实验 阅读详情

EUROC数据集提供了双目和IMU数据,可是并没有找到关于双目相机基线长度的直接描述。

查看了一番关于该数据集的论文publisher,设备描述部分并没有关于这一点的细节。

不过数据集中提供了sensor.yaml文件,该文件中,有这个sensor关于Body的T_BS(齐次坐标形式的4×4矩阵,可以参考高博的书籍或者博客)。

根据坐标转换关系:

T_C1C2=T_C1B * T_BC2,写两行代码应该可以算一下。

#include <iostream>
using namespace std;
#include <Eigen/Core>
#include <Eigen/Dense>

int main()
{
  Eigen::Matrix4d T_BC1;
  Eigen::Matrix4d T_BC2;
  T_BC1<<0.0148655429818, -0.999880929698, 0.00414029679422, -0.0216401454975,
	0.999557249008, 0.0149672133247, 0.025715529948, -0.064676986768,
	-0.0257744366974, 0.00375618835797, 0.999660727178, 0.00981073058949,
	0.0, 0.0, 0.0, 1.0;
  T_BC2<<0.0125552670891, -0.999755099723, 0.0182237714554, -0.0198435579556,
	0.999598781151, 0.0130119051815, 0.0251588363115, 0.0453689425024,
	-0.0253898008918, 0.0179005838253, 0.999517347078, 0.00786212447038,
	0.0, 0.0, 0.0, 1.0;
  cout.precision(15);
  cout<<"T_BC1"<<endl<<T_BC1<<endl;
  cout<<"T_BC2"<<endl<<T_BC2<<endl;

  Eigen::Matrix4d T_C1C2 = Eigen::Matrix4d::Zero();
  T_C1C2 = T_BC2.inverse()*T_BC1;
  
  cout<<"T_C1C2"<<endl<<T_C1C2<<endl;  
  return 0;
}

T_BC1和T_BC2的数据来自cam0和cam1文件夹中的sensor.yaml文件。

输出结果如下:

T_BC1
0.0148655429818 -0.999880929698 0.00414029679422 -0.0216401454975
0.999557249008 0.0149672133247 0.025715529948 -0.064676986768
-0.0257744366974 0.00375618835797 0.999660727178 0.00981073058949
         0          0          0          1
T_BC2
0.0125552670891 -0.999755099723 0.0182237714554 -0.0198435579556
0.999598781151 0.0130119051815 0.0251588363115 0.0453689425024
-0.0253898008918 0.0179005838253 0.999517347078 0.00786212447038
         0          0          0          1
T_C1C2
0.999997256477881 0.00231206719242389 0.00037600810241559 -0.110073808127187
-0.00231713572328124 0.999898048506644 0.0140898358466482 0.000399121547014141
-0.000343393120524168 -0.0140906684527146 0.999900662637728 -0.000853702503358044
           0            0            0            1
可以看出来,T_C1C2的 t向量部分(代表平移),只有第一个值不是0(近似)。R矩阵部分近似单位阵也证明两个cam之间没有旋转。

姑且认为这个

0.110073808127187

就是基线的长度,单位:米。(无人机上装载的传感器,10厘米左右的基线貌似也挺合理)

如果哪位看官发现了数据集官方有对基线长度的直接描述,欢迎交流,指正!



双目视觉不同基线长度测量精度比对实验 增大基线,提高精度 阅读详情

相关推荐

3D视觉(三):双目摄像头的标定与校正

3D视觉(三):双目摄像头的标定与校正 对于双目摄像头而言,除了需要分别标定左目摄像头的内参矩阵K1、畸变系数D1、右目摄像头的内参矩阵K2、畸变系数D2,还需要标定左右目对应的旋转矩阵R和平移向量T。当双目摄像头固定在一个平面上时,旋转矩阵R可近似为一个单位阵,平移向量T的欧式范数即为基线长度b。 我们可以把两个相机都看作针孔相机,它们是水平放置的,意味着两个相机的光圈中心都位于x轴上,两者之间的距离称为双目相机的基线b,它是双目相机的重要参数。通过粗略测量可看出,这里基线b的长度在0.06m-0.07

Twilight737的博客 4万+

双目视觉焦距_通过相机标定来检验双目的调焦结果

问题发现:双目相机的右侧相机,其获取的影像,在屏幕上显示时,出现肉眼可见的抖动,见如下视频知乎视频​www.zhihu.com回想起双目相机的标定结果,其中,左右侧影像中对标定板的检测结果,有这么个统计效果(见下图), 当时,就感觉十分的蹊跷。很明显,Camera1中,对尺寸的检测,统一都比Camera2影像的检测结果,多1 Pixels左右(目测)。这个特征,当时我还感觉很奇怪。尤其是左右相机与...

weixin_39969881的博客 1012

EuRoc数据集实战:从双目相机参数解析到视觉SLAM应用

本文详细解析了EuRoc数据集在视觉SLAM中的应用,包括双目相机参数解析、数据预处理技巧、坐标系转换关键点及ORB-SLAM3实战配置。通过实际案例和性能对比,展示了如何利用EuRoc数据集优化SLAM算法精度与效率,适合开发者和研究者提升视觉惯性SLAM系统的鲁棒性。

k0l1m2n3o的博客 1004

如何为自己的双目系统选取相机?

目前来说,一般使用等焦的两个同型号摄像头组成双目,不等焦的双目应用场景以及使用方式暂时未知。   双目系统,我们一般指用左右两个摄像头来模拟人眼的一套系统,一般用来测距,避障,导航等领域。那么在展开双目栏目之前,我们先来说说如何设计自己的双目系统。

发现问题,解决问题. 6096

SLAM数据集下载全攻略:TUM、KITTI、EuRoC等10+数据集保姆级整理(附百度云链接)

本文提供了SLAM数据集下载的全面指南,涵盖TUM、KITTI、EuRoC等10+个主流数据集,包括百度云链接和官方下载地址。详细解析各数据集的特点、下载方案及实战应用技巧,帮助开发者高效获取和管理数据,提升SLAM研究和实验效率。

weixin_30776273的博客 402

EuRoc数据集实战:从VINS-Mono跑通到EVO精度评测

视觉惯性里程计(VIO)是移动机器人与增强现实的核心技术,通过融合相机与IMU数据实现鲁棒位姿估计。视觉提供短时高精度、但易受纹理缺失影响;IMU则短时稳定,但长期积分漂移明显,二者互补构成紧耦合优化框架。在VIO算法研发中,EuRoc数据集因具备硬件同步时间戳、双目标定参数与毫米级真值,成为评测VINS-Mono、ORB-SLAM3等主流方案的行业标准。从特征提取、IMU预积分到滑窗优化,开发者可借助EuRoc标准化流程验证算法精度,并通过EVO工具量化ATE/RPE指标。无论是室内无人机定位、AR导航还

weixin_29056865的博客 247

SLAM数据集(百度网盘)

想必各位做SLAM的小伙伴都会遇到一个不开心的事情就是数据集问题,这个主要是由于国内网络的原因,使得我们在下载有些数据集的时候特别的缓慢,甚至常常出现下载失败的现象,这里我将我自己收集的数据集上传到了百度云盘中分享给大家,希望对大家有所帮助。 1、TUM数据集 RGB-D 数据集: https://pan.baidu.com/s/1W8tBo_QHpAHNyer10dW0Zg 提取码:di9m ...

熊猫飞天 2万+

EuRoC数据集实战:双目视觉SLAM与IMU校准全流程解析

在视觉SLAM领域,多传感器融合是提升定位鲁棒性的核心手段,其中双目相机与惯性测量单元(IMU)的互补结合尤为典型。双目视觉通过固定基线恢复尺度,IMU则提供高频运动约束,两者紧耦合能有效应对纹理缺失和快速旋转等退化场景。然而,传感器融合的精度高度依赖IMU校准质量,Allan方差分析是量化噪声密度与随机游走参数的经典方法,直接决定后端优化权重的合理性。从公开数据集到真实设备部署,还需解决时间戳同步、外参标定与温漂补偿等工程问题。本文以EuRoC数据集为实践载体,系统梳理了从环境搭建、参数配置、轨迹评估到I

weixin_29038345的博客 297

SLAM数据集【百度网盘】

http://www.taodudu.cc/news/show-4751906.html?action=onClick

sroman的博客 2112

具身智能机器人视觉感知:SLAM、双目相机与空间定位技术解析

计算机视觉与空间感知技术是机器人、自动驾驶、AR/VR等智能系统的核心基础。从最简单的图像采集到复杂的自主导航,系统需要回答“我在哪里、周围有什么、物体离我多远”等一系列空间问题。视觉SLAM通过特征提取、位姿估计和回环检测,让设备在未知环境中实时建图与定位;双目相机则利用视差原理计算深度,为感知系统提供可靠的测距能力。两者结合传感器标定、姿态估计、手势识别等技术,构成了具身智能机器人理解物理世界的关键链路。在移动机器人导航、人机交互、AR空间锚定等典型场景中,多传感器融合与坐标系统一始终是工程落地的核心挑

weixin_34380948的博客 340

机器人视觉传感器技术全解析:从SLAM到双目相机与人体检测

计算机视觉与传感器融合是机器人感知环境的核心技术,其本质是从图像采集到场景理解再到动作决策的完整链路。在移动机器人、具身智能与AR/VR应用中,同步定位与建图(SLAM)让设备实时估算自身位姿并构建环境地图,双目相机则通过视差原理获得稠密深度信息,而目标检测、手势与人体识别赋予机器人理解人类行为的能力。这些技术相互协同,构成机器人“看懂”世界的基石。从服务机器人的自主导航到虚拟现实中的空间追踪,从仿生视觉系统到人机协作,视觉感知的精度与实时性直接影响系统稳定性。工程落地时,还需关注相机标定、时间同步与多传感

weixin_34293246的博客 326

ORB-SLAM2 在线构建稠密点云(室外双目篇)

一、前言 在上一篇博客ORB-SLAM2 在线构建稠密点云(室内RGBD篇)中介绍了如何通过深度相机和ORB_SLAM2实现稠密点云建图,并转换为octomap在ROS中显示,那么这篇文章将使用双目相机实现室外的稠密点云构建。与深度相机不同,双目相机并不直接提供深度数据来计算点云,因此需要使用双目视差来计算深度数据。 安装过程(和室内RGBD一样的代码) 1、首先需要安装PCL点云库,可以参考博客《Ubuntu18.04安装PCL》。不过安装了ROS之后就已经把PCL安装好了。 ..

Maxen的博客 7315

「从零开始手写VIO」第七讲学习笔记

「从零开始手写VIO」第一章学习笔记 Vins Course 基于 VINS-Mono 框架不依赖ROS Ceres G2o 代码仅基于 Eigen 的后端 LM 算法,滑动窗口算法,鲁棒核函数等 SLAM 优化中常见的算法 运行 1. CurveFitting Example to Verify Our Solver. 2. VINs-Mono on Euroc Dataset 想在本机运行需要作如下更改CMakeLists.txt 添加调试信息 添加本机EIgen环境 run_euroc.cp

小秋 AI SLAM 入门实战教程 1217

VINS-fusion实战:从Euroc到KITTI,手把手教你配置与避坑(附EVO评估全流程)

本文详细介绍了VINS-fusion在Euroc、TUM和KITTI数据集上的实战配置与性能优化方法,包括环境搭建、数据预处理、实时运行技巧及EVO评估全流程。通过具体案例和避坑指南,帮助开发者高效部署这一多传感器融合框架,提升SLAM系统在无人机和自动驾驶等领域的应用效果。

weixin_26757925的博客 419

适配无人机的SchurVINS双目VIO配置文件集(含Euroc标定与嵌入式优化)

专为轻量级无人机设计的SchurVINS双目视觉惯性里程计配置文件包,包含vio_stereo.yaml和euroc_stereo.yaml两个核心YAML文件。前者面向实际机载部署,后者适配Euroc公开数据集标定流程。所有参数已针对NVIDIA Jetson等嵌入式平台调优:涵盖双目相机内参、IMU噪声协方差、硬件时间同步策略、FAST特征提取窗口尺寸、滑动窗口长度(10帧)、Schur补加速开关及数值稳定性相关阈值。配置默认启用实时初始化与跟踪,无需修改基础参数即可在ROS/ROS2环境下直接加载运行

gpu4optimizer的博客 271

双目立体视觉系统测量精度的分析

双目立体视觉系统的几何参数影响双目视觉的测量精度, 且各几何参数间存在着一定的约 束关系. 通过分析双目视觉系统的几何参数及约束关系, 讨论了两相机光轴和基线之间的夹角α 1和 α 2、 基线距B、 投影角等几何参数对测量精度的影响, 并采用 Matlab软件对不同的几何参数下的测 量精度进行仿真, 找出最佳的几何参数范围, 从而提高了双目立体视觉系统的测量精度. 最后, 通过试验验证了理论分析的正确性.

结构化PLP-SLAM:单目、RGB-D和双目相机使用点线面的高效稀疏建图与定位方案

文章:Structure PLP-SLAM: Efficient Sparse Mapping and Localization using Point, Line and Plane for Monocular, RGB-D and Stereo Cameras作者:Fangwen Shu Jiaxuan Wang Alain Pagani Didier Stricker编译:点云PCL代码:h...

点云PCL 1906

Euroc飞行数据集.pdf

用于室内MAV的双目+IMU数据集,包含两个场景 苏黎世联邦理工学院ETH的一个machine hall 普通房间 硬件设备 飞行器机体:AscTec Firefly 双目VIO相机:全局快门,单色,相机频率20Hz,IMU频率200Hz,具备相机和IMU的硬件(hw)同步,双目相机型号MT9V034,IMU型号ADIS16448 VICON0:维肯动作捕捉系统的配套反射标志,叫做marker LEICA0:是激光追踪器配套的传感器棱镜,叫做prism Leica Nova MS50: 激光追踪器,测量棱镜prism的位置,毫米精度,帧率20Hz, Vicon motion capture system: 维肯动作捕捉系统,提供在单一坐标系下的6D位姿测量,测量方式是通过在MAV上贴上一组反射标志,帧率100Hz,毫米精度

上一篇: Ubuntu14.04中opencv2.4.8 和opencv3.1.0共存安装
下一篇: ubuntu 安装FoxitReader福昕阅读器
dummy_bot
博客等级 码龄10年 35粉丝 16原创
评论 5
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值