啊啦啦的博客

Direct Sparse MappingIntroduction滑窗的会边缘化掉离开视场的点，同时来保证可观性的一致，不能重用边缘化的地图点特征点法一般根据共视关系选固定位置的激活关键帧和地图点，通过固定一帧的策略保证可观性选择以前的关键帧，结合时间和共视关系来选择激活的关键帧时间上远的帧会受drift影响，因此使用多尺度优化，来增加收敛半径由于距离远伪观测（外点）会增加，使用t分...

Direct Sparse Visual-Inertial Odometry using Dynamic Marginalization1把尺度，重力方向放进模型中进行联合优化由于尺度不是立刻就可观的，因此我们以任一尺度进行初始化，而不是延迟初始化到量都变得可观之后（VIORB）。对旧的量进行部分边缘化，为了保证一致性，提出“动态边缘化”策略。因此在尺度远离最优值时也可以采用边缘化。D...

文章目录一、预积分的由来二、相关理论三、初步a.黎曼几何概念b.SO(3)中不确定性的描述c.流形上的高斯牛顿法四、最大后验视觉惯导状态估计五、IMU模型和运动积分六、流形上的IMU预积分A. *Preintegrated IMU Measurements*(1)ΔRij\Delta {\bf R}_{ij}ΔRij​项(2)Δvij\Delta {\bf v}_{ij}Δvij​项(3)Δpij...

文章目录金字塔LKT实现问题描述跟踪算法图像金字塔金字塔特征跟踪迭代光流计算亚像素计算边缘部分特征跟丢判别特征选择金字塔LKT实现问题描述估计一个速度，找到对应的特征位置v=u+d=[ux+dxuy+dy]T\mathbf{v}=\mathbf{u}+\mathbf{d}=\left[u_{x}+d_{x} \quad u_{y}+d_{y}\right]^{T}v=u+d=[ux​+dx​...

文章目录Introduction[^1]光度模型跟踪前端优化后端Introduction[^2]Method假设（Assumptions）衰减因子估计（Attenuation Factor Estimate）相机CRF图像矫正关键帧光度标定光照变化的应对代价函数描述子光照变化鲁棒方程全局模型局部偏差类似特征描述子实验结果ReferenceIntroduction1直接法依赖于光度恒定假设，但是...

文章目录基于图的SLAM[^1]马尔科夫毯上通过边缘化移除节点边缘化后的先验分布相对MLE公式备注边的稀疏化在线确定稀疏拓扑构建一致稀疏因子解耦稀疏化和边缘化VO中的滑窗介绍[^2]滑窗VOBA旧状态边缘化估计的一致性物理解释性能改进办法举例SLAM中边缘化与高斯推断的边缘概率区别Reference基于图的SLAM1使用因子图表示，节点表示状态，边表示约束，通常形式为：zij=hij(xi,...