入山砍柴郎

      slam是simultaneous localization and mapping 的缩写，中文译为“同时定位与构图”。由其名就可以知道，主要有2个功能，一个是自我定位，一个是构图。其中就要使用到特定的传感器，在未知的环境下，对自己定位。在运动中建立起环境的模型，途中更要估计自己的运动，如果这里的传感器主要是相机，这里则称为“视觉SLAM” ...

   建图（Mapping）是slam的两大目标之一。上述讨论的都是定位，讨论了特征值点的定位，直接法的定位，以及后端优化。在经典的slam模型中，所谓的地图，即所有路标点的集合。一旦确定了路标点的位置，可以说明完成了建图。只是如此，那么视觉里程计，Bundle Adjustment算完成了任务，还额外的进行了优化。 但建图的需求不同，SLAM作为一种底层技术，往往是用来为上...

     前端提供特征点的提取和轨迹，地图的初值，而后端负责对所有这些数据进行优化。如果如同VO那样仅考虑相邻时间上的关邻，那么之前的误差将不可避免地累积到下一时刻，这样整个SLAM会出现累积误差，长期的结果将不可靠。      如上图，a表示真实轨迹，b中前端只给出相邻帧间的估计，优化后Pose Graph出现漂移 ，c添加...

     前端视觉里程计能给出一个短时间内的轨迹和地图，但不可避免的误差累积，这个地图在长时间内是不准确的。要想构建一个尺度，规模更大的优化问题，以考虑长时间内的最优轨迹和地图，这时后端优化就出现了。1.滤波器模型     a. 马尔可夫性，当前状态只和上一个时刻有关。 P(Xk| Xk-1,X0, U1:k,Z1:k-1) ...

背景介绍 卡尔曼滤波（Kalman filtering）一种线性系统状态方程，对输入输出的观测数据进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。故求解最优估计的算法就称之为卡尔曼滤波算法。目前在机器人导航，控制，传感器数据融合甚至在军事方面的雷达系统以及导弹追踪等等应用较广。近年来更被应用于计算机图像处理，例如头脸识别，图像分割，图像边缘检测...

   视觉里程计VO的搭建基本都会有以下几个问题：怎么管理地图点，如何处理误匹配，如何选择关键帧。。。由简到繁进行。 1. 视觉里程计分单目，双目，RGB-D三大类。单目视觉相对复杂，RGB-D最简单，没有初始化，也没有尺度问题。2. 编写小规模的库时，往往建立一些文件夹，把源代码，头文件，文档，测试数据，配置文件，日志等分类存放。当一个库内容很多时，往往还会把代码分解...

    作为视觉slam中4大步骤的最前端，视觉里程计（VO）是视觉前端，它根据相邻图像的信息估计出粗略的相机运动，给后端提供较好的初始值。而其主要实现方法，分为特征点法，直接法。其中特征点法目前是主流，它运动稳定，对光照，动态物体不敏感，是目前比较成熟的解决方案。1. 特征点     图像本是一个由亮度和色彩组成的矩阵，从矩阵层面考...

1. 单目相机模型    a. 首先， 世界坐标系下有一个固定的点P，世界坐标为Pw。     b. 由于相机在运动，它的运动由R,t或变换矩阵T描述。P的相机坐标为P’ = R*Pw + t。     c. 这时的P’仍有X, Y, Z三个量，把他们投影到归一化平面Z=1上，得到P的归一化相机坐标：Pc = [X...

1.欧式变换   在视觉slam中，相机是运动定位，构图的。而它是一个刚体运动，它保证了同一个向量在各个坐标系下的长度和夹角都不会发生变化，这种变化称为欧式变换。例如: 手机抛向天空，在摔碎之前，只可能有空间位置和姿态的不同，而它自己的长度，各个面的角度等性质不会有任何变化。这样一个欧式变换由一个旋转和一个平移两部分组成。 直接给出欧式空间的坐标变换关系： ...

一. 视觉相机     视觉slam使用的相机，以一定速率拍摄周围的环境，形成一个连续的视频流，用以采集数据。使用到的相机分为：单目相机（Monocular），双目相机(Stereo)和深度相机(RGB-D)三大类。前2个较容易，而RGB-D原理较复杂，除了能够采集到彩色图片，还能读出每个像素与相机之间的距离。这个在视觉slam才使用极多。   &...

跟着高博博士学习《一起做RGB-SLAM》，其中遇到问题就写一下。1.一起做RGB-SLAM(2)中遇到的问题     a. 问题描述：编译成功，但执行报以下错误。point cloud size = 0terminate called after throwing an instance of 'pcl::IOExcepti...