视觉SLAM十四讲习题答案

阅读《视觉SLAM十四讲》中遇到的问题及习题资源整理,或为原创,或来自网络,如有问题请与我联系,会在第一时间加以修正。 后来自己写完看到另一位写的博客,相形见绌,大家可以互相结合的看。

第一讲

1.线性方程的解:转载自宋洋鹏(youngpan1101),了解线性代数可关注B站3Blue1Brown,以及线性代数,知乎上有其精细笔记

2.高斯分布参考这位博主Johnny-Cuii的文章,具体学习可去  四川大学概率论与数理统计。参考链接:1    |      2 |

3.C++的学习可参考C++Primer(第五版)STL华山大师兄

4.以前用VS写。

5.参考C++11新特性here。

6.这个参考鸟哥的讲解

7.参考鸟哥1-2,5-8章节。

8.同上。

9.这个好多教程,参考这位博主。

 

第二讲

1.文献[1]主要专注于对基于单目视觉的 SLAM 方法的分析和讨论, 系统地介绍和分析目前 3 类(基于滤波,关键帧BA,直接跟踪)主流单目 V-SLAM 方法的优缺点, 并对它们的代表性系统进行性能分析和比较.另外, 也介绍和讨论了 V-SLAM 技术的最新研究热点和发展趋势, 并进行总结和展望.

文献[14]从帧间配准、环形闭合检测以及图优化技术3方面出发, 对基于图优化的SLAM技术进行综述.

2.文献[9]将SLAM发展分为三个年代,目前处于鲁棒性时代。·文献[15]大同小异。文献[16]介绍了拓扑地图,以解决度量地图计算量大的问题。[17]卡尔曼的介绍,[18]分类和介绍视觉SLAM技术的四个主要框架:卡尔曼滤波器(KF)为基础,圆锥滤波器(PF)为基础,基于期望最大化(EM)和基于成员资格的方案.

3. g++参数 

使用-o来更改生成的文件名,如g++ -o hello hello.cpp

4.好

5.哦哦额

6.undefined reference

7.看了忘,忘了看

8.hao

9.10.11 根据实际自行操作。

 

第三讲

1.验证旋转矩阵是正交矩阵

2.罗德里格斯公式的推导

3.验证四元数旋转某个点后,结果是一个虚四元数

4.自制图片传不上来,太大了?成功了,的确太大会上传失败。

5.这个可以用block()

#in
### 关于《视觉SLAM十四》第七章习题解答与解析 #### SIFT 和 SURF 特征点及其与 ORB 的比较 SIFT (Scale-Invariant Feature Transform) 是一种用于图像处理和计算机视觉领域中的尺度不变特征变换算法。该方法通过检测图像中的关键点并描述这些关键点周围的局部外观来实现对不同视角下的同一物体的有效识别[^2]。 SURF (Speeded-Up Robust Features) 则是在保持了SIFT鲁棒性的基础上提高了计算速度的一种改进版本。它利用积分图快速估计Hessian矩阵行列式的近似值以定位兴趣点,并采用haar小波响应构建方向直方图来进行描述子提取。 ORB (Oriented FAST and Rotated BRIEF) 结合了FAST角点检测器的速度优势以及旋转不变性,同时还引入了多层金字塔结构支持跨尺度匹配。相比于前两者而言,ORB具有更高的效率,在实际应用中更受欢迎;然而其对于光照变化敏感度较高,且在复杂背景下表现可能不如SIFT/SURF稳定。 ```python import cv2 from matplotlib import pyplot as plt def detect_features(image_path, method='orb'): img = cv2.imread(image_path, 0) if method.lower() == 'sift': detector = cv2.SIFT_create() elif method.lower() == 'surf': detector = cv2.xfeatures2d_SURF.create(400) else: detector = cv2.ORB_create() keypoints, descriptors = detector.detectAndCompute(img, None) return keypoints, descriptors kp_sift, des_sift = detect_features('image.jpg', 'sift') plt.figure(figsize=(10, 5)) plt.subplot(121), plt.imshow(cv2.drawKeypoints(gray,kp,None)), plt.title('Original Image'), plt.axis('off') plt.show() ``` #### 相机内参的物理意义及分辨率加倍对其影响 相机内部参数主要包括焦距(focal length),主点坐标(principal point coordinates),像素宽高比(pixel aspect ratio)等几个方面。其中: - **焦距**决定了成像平面距离镜头中心的距离; - **主点位置**(cx,cy)表示投影后的光轴交点位于图像上的具体位置; - **像素尺寸**(dx,dy)反映了传感器上每一个感光单元的实际大小。 当相机分辨率为原来的两倍时(假设为线性增加),即宽度和高度都变为之前的二倍,则新的像素数量将是原来四倍。此时为了维持相同的视场角(field of view),理论上应该调整焦距至原值的一半才能使得拍摄范围不发生变化。但是由于大多数情况下我们希望保留原有的光学特性而不改变硬件配置,因此通常会相应修改fx,fy这两个代表水平/垂直方向有效焦距的比例因子,使其也扩大一倍从而补偿因放大带来的视野缩小效应[^3]。
评论 14
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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