视觉SLAM十四讲-第十三讲笔记

最新推荐文章于 2024-07-25 07:30:47 发布
原创 最新推荐文章于 2024-07-25 07:30:47 发布 · 1.3k 阅读 · 4 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#SLAM

本讲是最后一讲！讲了不同地图的表示方法=-=

一、概述

前面所讲的地图都是特征点的集合，也就是稀疏地图，实际上还有各种地图，面向各种任务：

  • 稀疏地图：定位
  • 稠密地图：导航、避障、重建
  • 语义地图：交互

二、单目稠密重建

1. 立体视觉

要进行稠密重建，就要知道每一个像素的深度，其方法是：

  • 单目：三角化
  • 多目：视差
  • 深度：直接

对于单目，需要使用参考帧，和它移动一小段后的当前帧，对其中的匹配点三角化。但这个过程中，匹配是很耗时的。对于所有像素来说，都做一遍匹配是不现实的。
因此问题转化为：如何进行快速的匹配？

2.极限搜索与快匹配

其方法是，对于参考帧ref，其像素p1p_1p

最低0.47元/天 解锁文章

200万优质内容无限畅学
视觉SLAM十四讲学习笔记——第十三讲 实践：设计SLAM系统
weixin_61294345的博客
12-02 2817
1.如何运行示例代码 2.主要头文件 3.主要算法框架图 4.主要关注的问题
视觉SLAM十四讲-第八讲笔记
pikachu_777的专栏
11-03 1029
一、主要内容 SLAM中的视觉里程计分为两部分，一是特征点法，先提取特征点，把特征点看做三维空间中的不动点，根据特征点匹配关系进行位姿和深度估计，通过最小化重投影误差优化相机运动；二是不使用特征点，根据图像灰度直接估计的直接法。第七讲中讲了特征点法，本讲将介绍直接法。 直接法的问题 关键点的提取和描述子的构造很耗时。 忽略了特征点以外的信息。 在没有纹理或者纹理重复的地方，难以准确匹配。 解决...
slam十四讲第13章 单目稠密重建数据集(http://rpg.ifi.uzh.ch/datasets/remode_test_data.zip)
09-30
slam十四讲 ch13 第13章 单目稠密重建数据集(http://rpg.ifi.uzh.ch/datasets/remode_test_data.zip) slam十四讲 ch13 第13章 单目稠密重建数据集(http://rpg.ifi.uzh.ch/datasets/remode_test_data.zip)
视觉 SLAM 十四讲 —— 第十三讲 建图
健康工作每一天
11-23 4848
视觉 SLAM 十四讲 —— 第十三讲 建图 在前端和后端中，我们重点关注同时估计相机运动轨迹与特征点空间位置的问题。然而，在实际使用 SLAM 时，除了对相机本体进行定位之外，还存在许多其他的需求。例如，考虑放在机器人上的 SLAM，那么我们会希望地图能够用于定位、导航、避障和交互，特征点地图显然不能满足所有的这些需求。所以，本章我们将更详细地讨论各种形式的地图，并指出目前视觉 SLAM 地图中存在着的缺陷。 概述 在视觉 SLAM 看来，“建图”是服务于“定位”的；但是在应用层面看来，“建图”明显
SLAM从入门到放弃：SLAM十四讲第十三章习题（1）
Yan
11-27 829
以下均为简单笔记，如有错误，请多多指教。 推导证明两个高斯分布的乘积依旧为高斯分布。 答：本证明有许多方法，可以参考 直观理解高斯函数相乘。但是这种方法过于直观化~，实在是不适合我这种愚钝之人，所以参考了另外一种完全进行公式推导的方法Products and Convolutions of Gaussian Probability Density Functions。 本文以下的推导证明大都来自...
视觉SLAM十四讲 第13讲 建图
sinat_39659902的博客
06-17 1635
1、单目SLAM的深度估计 2、实验完成单目SLAM 3、RGBD重建中的几种地图 机器人上的 SLAM，希望地图能够用于定位、导航、避障和交互，特征点地图不能满足这些需求。 文章目录0. 引言（地图的五个作用\color{red}{地图的五个作用}地图的五个作用）13.2 单目稠密重建1、立体视觉2、单目稠密重建技术3、实践-单目稠密重建4、实验3中存在的问题与解决13.5 更常用的稠密建图--RGBD1、点云地图2、八叉树地图 octomap库 0. 引言（地图的五个作用\color{red}{.
视觉SLAM十四讲-第十讲笔记
pikachu_777的专栏
12-16 1399
本讲开始进入后端模块。后端优化目前分为基于滤波器的方法和基于非线性优化的方法，本讲讲述以EKF为代表的滤波器法，以及稀疏性。 一、 后端优化概述 1. 后端模块的作用 前端估计得到： kkk时刻相机的位姿，xkx_kxk​ 地图中路标jjj的世界坐标，yjy_jyj​ 前端估计只基于kkk的前一时刻或前几时刻。后端优化所做的，则是根据到目前为止观测到的所有信息，优化之前的估计结果。 后端优化中...
视觉SLAM十四讲-第九讲笔记
pikachu_777的专栏
11-11 2567
本讲搭建了一个完整的前端框架。在匹配方案上，使用了相邻两帧匹配、与地图匹配两种方法；在位姿估计方法上，使用了PNP方法、PNP+bundle adjustment的方法。 这份代码实现的只有位姿估计和优化，虽然是PnP，但没有估计3d点深度，而是从深度图中取出的。也没有优化地图中特征点的位置。 一、程序框架 1. 数据结构 1.1. camera 相机内参，实现坐标转换。 成员变量 相机内参数 成...
《视觉SLAM十四讲》ch13/第十三章 视觉里程计 实践章节学习详解
weixin_45703465的博客
12-29 4598
《视觉SLAM十四讲》 第二版 ch13/第十三章详解
【视觉SLAM十四讲】第13-14讲 建图
博客标题不能为空我也没办法
12-20 2174
第13-14讲 建图
[Read]XXH00131《视觉SLAM 十四讲》第13讲 第14讲
六半
08-31 155
的确是一本，适合SLAM初学者学习的书，可以迅速的给初学者搭建一个SLAM的架构和整体认识，并提供了实践代码，手把手的教会你如何SLAM编程和算法。 ...
视觉SLAM十四讲学习笔记——ch13 设计SLAM 系统
路拾遗的博客
05-01 2040
文章目录Bug调试参考博客 要暂时转去学习机械臂控制相关,这部分留一个坑,以后有时间,手撕一遍代码,现在先做项目调试. Bug调试 这里报错是因为还没安装 Geset 库,安装教程可参考博客: [Ubuntu]GTest安装和测试 或者直接执行下面指令进行安装: sudo apt-get install libgtest-dev cd /usr/src/gtest sudo mkdir build cd build sudo cmake .. //一定要以sudo的方式运行，否则没有写入权限 sud
《视觉SLAM十四讲》ch13从安装Ubuntu20到最终实现（记录rosdep/Stopus/Eigen几个大坑）
zt7758258的博客
06-26 2400
对高翔视觉slam教材中ch13章节中的内容，从Ubuntu20系统安装，到程序编译，到debug，给出了比较详细的编译实现过程。
【读书笔记】《视觉SLAM十四讲（高翔著）》 第13讲
dahailuoa6的博客
07-03 2863
文章目录工程文件一：dense_monocular（单目稠密地图）工程文件二：dense_RGBD（点云地图 & 八叉树地图） 本博客的内容是本章程序编译运行方法，记录调通本章程序的过程、处理遇到报错的解决方法。 **本章的例程共2个工程文件：**工程文件一：dense_monocular（单目稠密地图）；工程文件二：dense_RGBD（点云地图 & 八叉树地图） 本章程序共3...
视觉SLAM十四讲--第13讲 实践：设计SLAM系统（最详细的代码调试运行步骤）
热门推荐
记录和分享
12-04 1万+
最详细的代码调试运行避坑说明，也包含了我自己对代码的理解，如有理解错误的地方，欢迎指正交流。
视觉slam14讲之建图
入山砍柴郎
04-14 4329
   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...
SLAM学习笔记-------------（12）建图
1900的博客
05-29 1341
我们之前的讨论，基本集中于“稀疏路标地图”部分，还没有探讨稠密地图。所谓稠密地图是相对于稀疏地图而言的。稀疏地图只建模感兴趣的部分，也就是前面说了很久的特征点（路标点)。而稠密地图是指建模所有看到过的部分。对于同一张桌子，稀疏地图可能只建模了桌子的四个角，而稠密地图则会建模整个桌面。虽然从定位角度看，只有四个角的地图也可以用于对相机进行定位，但由于我们无法从四个角推断这几个点之间的空间结构，所以无法仅用四个角完成导航、避障等需要稠密地图才能完成的工作。 ...
原来如此！简单总结SLAM中的各种地图
CV_Autobot的博客
07-25 4954
作者|LarryDong 编辑| 3D视觉之心原文链接：https://zhuanlan.zhihu.com/p/708050126点击下方卡片，关注“自动驾驶之心”公众号戳我-> 领取自动驾驶近15个方向学习路线>>点击进入→自动驾驶之心『SLAM』技术交流群本文只做学术分享，如有侵权，联系删文自己搞了这么多年SLAM，使用的主要还是点云地图。虽然知道种种地图表征，但一...
视觉slam中的一种单目稠密建图方法
sky的博客
07-23 6040
之所以只讲单目的稠密建图，这是因为，首先，对于RGBD图，我们已知所有点的深度，可以直接生成稠密的点云。其次，对于稀疏地图，其实很多VO中已经完成了稀疏地图的构建，但是稀疏地图只能用于定位，不能用于导航避障之类的工作。所以很多slam系统中会额外进行稠密地图、甚至语义地图的构建。 单目稠密建图 通常在单目VO中，我们通过特征点匹配与三角测量可以获得稀疏地图点的深度，现在我们想要建立稠密的地图，这意味着我们需要获得图片中所有像素点的深度。那么首先我们需要做的一点就是确定第一幅图的某个像素出现在其.
视觉SLAM十四讲-第五
最新发布
01-08
### 视觉SLAM十四讲第五章内容概要 #### 5.1 相机模型简介 相机作为视觉SLAM系统中的重要传感器，其成像原理和模型对于理解整个系统的运作至关重要。本章节介绍了针孔相机模型及其变种，并讨论了如何通过内参矩阵来描述这些模型[^1]。 #### 5.2 图像特征提取与匹配 为了实现环境感知，在视觉SLAM中通常会利用图像中的显著特征来进行跟踪和地图构建工作。这部分讲解了几种常用的局部特征检测方法以及它们之间的相互比较；还探讨了基于ORB等快速算法的特点及应用场合。 #### 5.3 像素坐标系下的重投影误差计算 当给定三维空间点P的世界坐标(x,y,z)，可以通过已知的位姿T将其转换到相机坐标系下(X,Y,Z)再映射至像素平面上(u,v)。理想情况下，该位置应该正好位于由同一时刻另一视角所拍摄图片中标记出来的对应特征点处。然而实际操作过程中由于噪声等因素影响，两者之间往往存在偏差ε=(u'-u, v'-v)，这就是所谓的“重投影误差”。此概念不仅适用于单目情况也广泛应用于双目标定等领域[^2]。 ```cpp // 计算重投影误差的一个简单例子 Eigen::Vector2d computeReprojectionError(const Eigen::Vector3d& point_world, const Sophus::SE3d& pose_camera_to_world, const CameraIntrinsics& intrinsics, const Eigen::Vector2d& observed_point_image){ // 将世界坐标转为相机坐标 auto point_cam = pose_camera_to_world * point_world; // 归一化平面坐标 double inv_z = 1.0 / point_cam.z(); double u_proj = intrinsics.fx() * (point_cam.x() * inv_z) + intrinsics.cx(); double v_proj = intrinsics.fy() * (point_cam.y() * inv_z) + intrinsics.cy(); // 返回重投影误差 return {observed_point_image.x()-u_proj, observed_point_image.y()-v_proj}; } ``` #### 5.4 单应性矩阵H的应用场景分析 除了基本理论外，书中还特别提到了单应性矩阵(Homography Matrix,H)这一工具可以用来处理两帧间仅有旋转和平移变化的情况。具体而言就是说如果两个摄像设备在同一时间分别获取了一张照片，则只要满足上述条件就可以借助于它完成一些特定的任务比如拼接全景图等等。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值