jiny_yang的博客

秋招已经结束，大大小小面了50场左右，就此开始慢慢整理一下，希望可以给看到的同学一点帮助~整理期间免费开放，整理完毕后打算设置成VIP可见，赚点小外快个人BG：双非本，985硕。主要研究方向包括激光SLAM、视觉SLAM、VIO（ps. 整个面经大致按时间线记录，前期遇到过的问题后续不再记录）（pps. 目前还在思考是光写面试问题，在问题之后还是附上我的一个不一定对的参考答案…才疏学浅，怕误导到大家。暂定先只写问题吧，一些没有标准答案的问题我也写一写我的理解，如有出错请帮忙在评论区留言哈！

使用RANSAC算法拟合一条直线。

假设已知一帧点云每个点的时间戳和它的位姿，要求对点云去畸变。

使用 G-N拟合 y = ax。

此代码合并了每一帧的激光点云数据,构成了激光点云地图.ground truth，即真值，在本文简写成GT。在kitti数据集中，GT代表了世界坐标系下相机的位姿真值，也就是Tcam2world经过我的一番推导，Pworld = Tcam2world * Tlidar2cam * Plidar（其实不一定对hhh）最终写成了以下代码src/sum_liadrCloud.cpp//合并每一帧的激光点云数据,构成GT激光点云地图.#include <iostream>#includ

手写BundleAdjustment 使用手写BA解决了PnP问题，除了读取图片、显示图片用的opencv，其他基本上只使用了eigen、sophus。代码放在了百度云上（github还在研究怎么用，以后可能会上）链接：https://pan.baidu.com/s/1CBJMKXGeelBSuJUuk7E1mw提取码：br5o文章目录手写BundleAdjustment一、总览二、搭建各种数据结构1.存储一个关键点信息的KeyPoint类型2.存储匹配情况的Match类型三、构建一些方法，即算

视觉slam十四讲第ch7 PNP 3d2d手写位姿估计代码详解 最近在学习视觉slam十四讲，不管是书上内容还是高博视频，描述的都很细致。关于此书的资料博客也可以比较方便的在网上找到。但是因为此书除了第二版，一些代码什么的是第二版独有的，网上资料还没那么丰富。今天在学到手写位姿估计的内容时就发现内容和代码都似懂非懂，网上的资料又不充分，因此花了很多时间去解决，现把pose_estimation_3d2d.cpp的代码手写高斯牛顿法片段和我的注释版附上，不一定对，但是应该会对初学者有一些帮助。void