Turn life into a dream, and then turn dreams into reality

对极几何（Epipolar Geometry）是计算机视觉领域的一个基本概念，主要用于描述和理解两个摄像机视角（或同一摄像机在不同时间拍摄的两幅图像）之间的几何关系。

SLAM（Simultaneous Localization and Mapping）中的PNP（Perspective-n-Point）是一个计算机视觉问题，用于估计一个刚体物体相对于相机的姿势。这种技术在SLAM中非常重要，因为它帮助机器人或自动驾驶汽车在环境中定位自己，并构建或更新地图。PNP问题的基本原理是：如果你知道至少三个（通常是三个或更多）空间点在世界坐标系中的位置，以及它们在相机坐标系中的对应投影位置，你就可以计算出相机相对于这些点的位置和方向。这里的“点”可以是环境中的任何显著特征。

激光SLAM和视觉SLAM在获取点云数据的方式上有所不同。激光SLAM侧重于精确的距离测量和强度信息，而视觉SLAM则提供丰富的颜色和纹理信息。每种方法都有其独特的优势和应用场景。

选择哪种方法取决于具体任务的需求、点云的特性（如大小、分辨率、稀疏性）以及计算资源。随着技术的发展，这些方法不断被改进，新的算法也在不断出现。点云处理中应用深度学习方法正变得越来越流行，特别是在任务如分类、分割、检测和重建等领域。

深度学习中的无监督学习方法是一种训练算法，它在没有标注输出的情况下从输入数据中学习模式和特征。这种方法的核心是探索和理解数据的内在结构和分布，而不是通过已知的输出来指导学习过程。无监督学习方法不依赖于标注数据，因此它们特别适合于那些标注成本高昂或标注不可行的情况。这些方法在探索数据的内在结构、提取未标记数据的特征、减少数据维度等方面非常有效。由于不依赖于标注数据，无监督学习通常被视为一种更具挑战性的任务，需要算法能够在没有明确指导的情况下发现有意义的模式。

视觉SLAM（Simultaneous Localization and Mapping）算法主要用于机器人和自动导航系统中，用于同时进行定位和建立环境地图。这种算法依赖于相机来捕捉环境数据。根据视觉SLAM的具体需求和应用场景，可以使用不同类型的相机。

di安装Realsense SDK：1.下载source并且确定git版本：1. git clone https://github.com/IntelRealSense/librealsense（下载源）2. cd librealsense3. git tag(查看git的所有版本)4. git status（查看当前版本）5. git checkout -b v2.40.0(切换到新分支 v2.40.0)6. git status（确认当前版本）2.安装依赖项：1. ...

1.点云地图（Point Cloud Map）：利用RGB-D进行稠密建图，最直观、最简单的方法是根据估算的相机位姿，将RGB-D数据转化为点云，然后进行拼接，最后得到一个由离散的点组成的点云地图。希望估计物体的表面，可是使用三角网格（Mesh）、面片（Surfel）进行建图。希望知道地图障碍物信息并在地图上导航，可以通过体素（Voxel）建立占据网格地图。2.从点云重建网格：3.八叉树地图灵活的、压缩的、能够随时更新的地图形式：八叉树。可以动态建模地图中的障碍物信息，使用概率.

一直困惑KITTI数据集Raw Data没有对应的ground truth，今天终于找到其与数据集序列00-10的ground truth的对应关系:

https://cmake.org/download/ cmake-3.18.4.tar.gz解压文件:tar xf cmake-3.18.4.tar.gzcd cmake-3.18.4./configuremakesudo make installsudo cmake --versionsudo ln -s /usr/local/bin/cmake /usr/bin

OpenCV Error: Assertion failed (!outImage.empty()) in drawKeypoints, file /home/ssf/Downloads/opencv-3.1.0/modules/features2d/src/draw.cpp, line 113terminate called after throwing an instance of 'cv::Exception'what(): /home/Downloads/opencv-3.1.0/module.

在视觉slam经典算法中，比较重要的三个因素一个是待优化变量，一个是误差项，另外一个就是经常提到的协方差矩阵。一直以来对协方差矩阵理解不是很清楚，也查询了很多资料。其中一篇解释的比较清楚和接地气：https://blog.youkuaiyun.com/xiao_lxl/article/details/72730000那么就是说：标准差和方差一般是用来描述一维数据的，但现实生活我们常常遇到含有多维数...

最近在ubuntu16.04环境下重温ORBSLAM经典算法，对于如何基于ORBSLAM框架进行改进还没有太好的想法，看到一篇比较好的博客，转载过来，以备后续查阅。原文链接：https://blog.youkuaiyun.com/qq_38589460/article/details/891456621、最早的特征点法，并把定位与跟踪分为两个线程是PTAM(Parallel Tracking an...

1.首先，打开“System Settings”->点击“Software&updates”->点击“Other Softwares”->点击左下角“Add”按钮:在APT行里输入：deb http://ros.exbot.net/rospackage/ros/ubuntu/ xenial main2.添加源，Terminal中输入：sud...

在自己的联想YOGA笔记本上成功编译运行ORBSLAM2，并在TUM数据集上验证运行效果，记录安装编译过程。1.安装git、cmakesudo apt-get install git(用于从github上clone项目到本地)sudo apt-get cmake（用于编译项目）sudo apt-get update（用于更新软件列表）2.安装Pangolin用于可视化和用户界面...

最近科研进展的不是很顺利，找不到创新点心中有些浮躁。偶尔看到有文章介绍计算机视觉的视觉牛人的名字叫Dahua Lin，他的导师是微软著名的从事视觉研究的教授--汤晓鸥。翻看他的博客，受益匪浅，其中一篇博客，对现在浮躁的苦于找不到方向的我很受用。Dahua的博客地址，https://dahuasky.wordpress.com/，不过貌似好像好久没有更新了。Learning和Vision中的小进展和...

计算机视觉界还有这么一个牛女孩，叫Kristen Grauman，2006年从MIT博士毕业，现任University of Texas at Austin的助理教授。这个女孩一年发表7篇CVPR和4篇ICCV文章。http://www.cs.utexas.edu/~grauman/关于CVPR和ICCV在计算机视觉界的分量可以参考我的前面博文：Devi Parikh ——一个女孩子居然可以把科研...

SLAM领域牛人列表Andrew Davison。点击打开链接个人主页：http://www.doc.ic.ac.uk/~ajd/index.html. Imperial College London机器人视觉宗师，现任英国帝国理工学院教授，机器视觉组及Dyson机器人实验室主任，英国牛津大学博士，单目摄像头SLAM奠基人（MonoSLAM），近年来在视觉slam领域做了大量研究，著名工作包括Mo...

本文为ORB-SLAM的翻译，转载自：http://qiqitek.com/blog/?p=102ORB-SLAM: a Versatile and Accurate Monocular SLAM System（文章已发表，有版权）Taylor Guo, 2016年3月18日-9:00原文发表于摘要：本文主要讲了ORB-SLAM，一个基于特征识别的单目slam系统，可以实时运行，适用于各种场合，室...

       ICCV的全称是International Comference on Computer Vision，正如很多和他一样的名字的会议一行，这样最朴实的名字的会议，通常也是这方面最nb的会议。ICCV两年一次，与ECCV正好错开，是公认的三个会议中级别最高的。它的举办地方会在世界各地选，上次是在北京，下次在巴西，2009在日本。iccv上的文章看起来一般都比较好懂，我是比较喜欢的。  ...