Mac0327的博客

目的初始化的目的是获得初始准确的帧间相对位姿，固定尺度，并通过三角化恢复出初始地图点。整个过程包括：1）估计初始帧位姿；2）新建地图；3）新建关键帧。主要方法：方法一：计算两张图像的平移t，令此时的t为单位1。（初始化时，两张图像之间必须有一定程度的平移，而后的轨迹和地图都将以此步的平移为单位。PS.在实践当中，如果初始化时平移太小，会使得位姿求解与三角化结果不稳定， 从而导致失败。相对的，如果把相机左右移动而不是原地旋转，就容易让单目 SLAM 初始化。因而有经验的 SLAM 研究人员，在单目 S

        今天面试，很多基本问题都没有回答的很好。那些知识明明知道，但是就是讲不出来，看来看过是不行的，必须要自己总结一下。一、介绍一下ORBSLAM的线程，并且分别讲一下ORBSLAM主要有三个线程，分别是跟踪（Tracking），建图（LocalMapping），和闭环检测（LoopClosing）。1）Tracking       &nb

如果是用图片数据集跑SLAM，需要用associate.py 对rgb 和depth序列生成关联数据文本associations.txt。具体的命令为：python associate.py PATH_TO_SEQUENCE/rgb.txt PATH_TO_SEQUENCE/depth.txt > associations.txt假使系统默认使用python3则会报错：Traceb...

目前整理了前七章，后续更新。欢迎大家补充！放一张主要内容的大图：

  按照正常（线性）求解过程，特征提取-匹配-PnP 即先求相机位姿，再求空间点位置，而非线性优化则是把它们都看成优化变量，放在一起优化。  把相机和三维点放在一起进行优化的问题，统称为Bundle Adjustment（BA）。过程如下，设空间点Pi=[Xi，Yi，Zi]T；投影坐标ui=[ui，vi]T。(注意这两个值是真值，实际由于观测噪声，以及相机位姿未知，我们无法得到最准确的值）...