大橙子的博客

VPS全称为Visual Positioning Service/System，即视觉定位服务/系统。手机端(移动时代）的VPS首次出现时间节点为2019年，这一年Google 发布了其产品“Google Maps AR（测试版）”，该产品使用 VPS技术通过相机图像在户外可以实现任意视角的定位与定向。

vismap 是colmap ++版本

空间即入口，入口即计算。谈到AR，我们往往会想起slam技术，而会忽略里面最重要的VPS技术，我坚信在未来VPS将会成为通用的定位系统，借用最近WWDC 2023 Apple Vision Pro 发布会上的一句话“The era of spatial computing is here”。

AR中最核心的技术是视觉定位技术，也就是目前又一个火热的学术名词“空间计算”，而目前主流的VPS技术可以分为两个层面：地图构建层 和定位服务层。

colmap 一期课程已经结束有半年了，但是总觉得少了点什么，所以这篇文章亦是复盘

Snake-SLAM 是一种可在低功率航空设备上稳定运行的VI SLAM 自主导航系统。跟踪前端具有地图复用、闭环、重定位功能，并支持单目、立体和 RGBD 输入。

一、前言视觉三位重建一直是计算机视觉和摄影测量领域讨论的话题，且在近几年更是大家关注的热点、如数字孪生、AR、自动驾驶的高精度地图等。视觉三维重建相比激光三维重建，虽然精度上处于劣势，但是视觉具备更丰富的信息且成本低廉，故是数字化场景的首选方案，到目前为止，视觉三维重建框架层出不穷，其开源代表有colmap(2016)、openmvg(2012)、openmvs、alicevison、opensfm 等，商业代表有ContextCapture、photoscan、pix4D、realicature 等。商

ceres 如何进行后验估计ceres 求landmark的协方差矩阵以下代码是自己在colmap 中实现的/// 计算每个3D points的协方差 for (const image_t image_id :config_.Images()) { Image& image = reconstruction->Image(image_id); for (const Point2D& point2D : image.Points2D()) { if (!po

背景算法效率的提升需要扣细节，每个函数，每个过程都需知道其流程算法原理推导改进原算法template <typename T> inlinevoid UnitQuaternionRotatePoint(const T q[4], const T pt[3], T result[3]) { const T t2 = q[0] * q[1]; const T t3 = q[0] * q[2]; const T t4 = q[0] * q[3]; const T

图像数量 556帧图1 是纯colmap 跑的结果,可以看到明显的drift图2 是基于colmap fusion gps的结果修改后的colmap,精度明显提升,可用于AR,过隧道,高精度建图等环节,打算写一篇paper后开源算法!!!

教你一点点掌握视觉三维重建-colmap 重要代码逐行解析这里以colmap 框架为准,主要对其重要环节代码结合自己的想法进行逐一讲解,colmap 作为目前state-of-the-art 的视觉重建pipeline,本人将其代码分为两个大环节:前端和后端.前端主要是特征提取和匹配,后端包括三角化,Register,BA等环节. 完成时间deadline:12月底;这里以博客为证,如果您感觉到这份博客帮助到您,希望给予鼓励,我也会利用周末及其下班时间尽快完成整个文章的撰写-欢迎关注B站:橙子的R