- 博客(409)
- 资源 (2)
- 收藏
- 关注
RSS订阅
原创 基于车辆模型的横向控制方法
无人驾驶车辆基于模型横向控制、车辆运动学模型、纯跟踪、后轮反馈、前轮反馈控制算法；车辆动力学模型、车辆线性二自由度动力学模型、车辆路径跟踪偏差状态方程的构建、LQR 横向控制算法的求解...
2020-03-24 14:37:05
91953
15
原创 PIL 叠加透明图片
其Alpha取值 [0，255]， 0表示为透明最大化，255则为不透明最大化。比 RGB 3通道多了一个通道表示透明度。这样就可以叠加透明图片了。
2025-01-26 07:45:00
11009
原创 OpenCV ORB角点检测匹配和偏移计算
首先通过cv2.ORB_create创建ORB检测器，然后通过orb.detectAndCompute检测两张图片获得ORB角点，接着通过匹配器cv2.BFMatcher进行配对，最后通过 cv2.findHomography计算变换矩阵。
2024-10-24 09:11:14
19976
原创 SLAM ORB-SLAM2（30）关键帧跟踪
先通过词袋BoW加速当前帧与参考帧之间的特征点匹配；如果匹配数目小于15，认为跟踪失败；将上一帧的位姿态作为当前帧位姿的初始值，然后通过优化得到这帧的位姿随后剔除优化后的匹配点中的外点；如果追踪成功的数目大于10则认为跟踪成功！
2024-09-30 23:45:00
13393
原创 SLAM ORB-SLAM2（27）词袋模型
分析了 ORB-SLAM2 所用的 DBoW2 的词袋模型基本结构和词袋向量，并详究了候选关键帧的计算过程：1. 找出和当前帧具有公共单词的所有关键帧；2. 找出和当前帧最多公共单词的关键帧；3. 剔除共享单词数较少的关键帧；4. 计算关键帧的共视关键帧组的总得分；5. 剔除共视关键帧组相似度较少的关键帧。
2024-06-23 16:01:47
9008
原创 SLAM ORB-SLAM2（26）重定位过程
先介绍了词袋模型的基本思想，然后介绍了重定位的详细过程：1. 计算当前帧特征点的词袋向量；2. 根据用词袋查找相似的候选关键帧；3. 通过词袋模型进行初步匹配；4. 查询较匹配的关键帧（通过PnP投影估计姿态>对内点进行BA优化位姿>不够数就通过投影方式寻找更多匹配点>找到较匹配的关键帧）
2024-05-31 23:45:00
21440
原创 Ubuntu 4G模块域名ping不通
ModemManager是D-Bus激活的守护进程，用来控制移动宽带(2G/3G/4G)设备和连接,提供统一的高层API接口。Ubuntu 用4G模块上网，ping ip可以，但是 域名 ping 不通。说白了就是可以用来管理上网卡，关掉就可以了。查了网络和DNS解析配置都没问题。
2024-05-01 18:57:34
21605
2
原创 SLAM ORB-SLAM2（25）相机位姿优化
在《SLAM ORB-SLAM2（23）运动模型跟踪》中的运动模型跟踪过程在根据匀速运动模型估计位姿后，利用用上一帧地图点进行投影匹配在《SLAM ORB-SLAM2（24）地图点投影匹配》找到了足够多的匹配点时就会调用根据匹配特征点构建优化器修正相机位姿/* 4. 利用3D-2D投影关系，优化当前帧位姿 */
2024-04-06 00:45:00
25505
原创 SLAM ORB-SLAM2（24）地图点投影匹配
地图点的投影匹配过程，先创建角度直方图；计算当前帧到上一帧的平移向量，并通过相机的基线判定相机的运动方向；计算地图点像素坐标；设定搜索搜索窗口的大小；计算描述子的距离，评价特征点的匹配度；筛选最佳匹配点；最后进行角度一致性筛选。
2024-03-10 16:00:56
10107
原创 SLAM ORB-SLAM2（22）分解基础矩阵
SLAM ORB-SLAM2（22）分解基础矩阵1. 前言2. 推导2.1 本质矩阵2.2 分解本质矩阵2.3 几何意义3. ReconstructF3.1. 分解 Rt3.2. 三角化测量3.3. 选择最优解4. DecomposeE1. 前言在 《SLAM ORB-SLAM2（12）估算运动并初始地图点》 中了解到 估算两帧间相对运动过程：记录特征点对的匹配关系 > RANSAC 采样准备 > 计算H矩阵或者F矩阵 > 判断并选取模型求位姿过程在 《SLAM ORB-SLA
2024-03-10 14:10:01
10197
原创 SLAM ORB-SLAM2（19）特征点三角化
通过Triangulate函数计算投影矩阵，恢复三维点。再检查三维点的深度值、视差角和投影至图像上的重投影误差。
2024-02-22 22:00:13
10729
原创 SLAM ORB-SLAM2（18）分解单应矩阵
根据推导的公式对应 从 单应矩阵 H 分解出 旋转矩阵 R 和 平移矩阵 t，并对8个解进行三角化测量，选取最多在相机前方的good点作为最优解，并判断是否符合最优解的条件
2024-02-03 08:45:00
10782
原创 SLAM ORB-SLAM2（23）运动模型跟踪
介绍了根据匀速运动模型估计相机位姿的过程。先根据匀速运动模型，估计一个相机位姿，再通过投影关系搜索匹配特征点。 最后使用 g2o 构建一个以相机位姿为优化变量，地图点到像素投影误差为约束的图，优化相机位姿估计，进一步筛选误匹配的地图点
2024-01-07 15:21:46
10179
原创 SLAM ORB-SLAM2（16）奇异值分解
先介绍了特征分解，再介绍SVD的定义，说明SVD中右奇异向量u、左奇异向量v和奇异值矩阵∑，并进行分解举例。有了初步了解后，说明几何意义和奇异值矩阵中奇异值的含义。最后用求解超定方程解释SVD中的右奇异矩阵的最后一列为单应矩阵的最优解。
2024-01-07 14:02:05
21492
原创 SLAM ORB-SLAM2（14）特征点坐标归一化
使得特征点的质心坐标为[0, 0]，各坐标到中心的横纵平均差为 1，那么平均距离为根号二
2023-12-31 00:15:00
10760
原创 SLAM ORB-SLAM2（13）查找单应矩阵
计算单应矩阵过程：1. 特征点坐标进行归一化2. 选择归一化之后的特征点3. 八点法计算单应矩阵4. 评分并评优
2023-12-24 00:45:00
11214
原创 SLAM ORB-SLAM2（12）估算运动并初始地图点
单目相机初始化核心（估算两帧间相对运动并初始地图点）过程：1. 梳理特征点对的匹配关系；2. 在两个线程中以RANSAC策略并行的计算单应矩阵和基础矩阵；3. 根据评判标准在单应矩阵和基础矩阵之间选择一个模型；4. 根据选定的模型分解相机的旋转矩阵和平移向量，并对匹配的特征点进行三角化；5. 建立关键帧和地图点，进行全局BA优化；6. 以参考帧下深度的中位数为基准建立基础尺度。
2023-12-17 00:45:00
8922
原创 SLAM ORB-SLAM2（11）单目初始化
单目相机初始化过程：1. 创建单目初始化器；2. 判断连续两帧的特征点个数是否都大于100；3. 匹配两帧图像的ORB特征点；4. 计算两帧间相对运动并初始地图点；5. 建立世界坐标系。
2023-12-09 01:01:04
9794
原创 SLAM ORB-SLAM2（10）轨迹跟踪过程
轨迹跟踪的主要目的是估计相机的位姿。先处理每一帧图像，提取ORB特征点，如果尚未初始化地图，则先进行初始化。再根据地图信息和当前机器人运动状态来估计相机位姿或者进行重定位，然后在局部地图中完成轨迹跟踪， 并根据一定的规则生成新的关键帧。
2023-12-03 16:19:14
10643
原创 $‘\r‘: command not found
可能因为该Shell脚本是在Windows系统编写时，每行结尾是。在Linux系统中，运行Shell脚本，出现了。在Linux系统中运行脚本时，会认为。而在Linux系统中行每行结尾是。就是还没安装，安装一下就可以了。是一个字符，导致运行错误。
2023-10-24 14:13:55
13843
原创 SLAM ORB-SLAM2（6）系统对象
简单查看了System类型内部定义的成员变量和成员函数，分析了它的构造函数和三种相机的跟踪接口。在分析的过程中，可以看到通过三个任务对象mpTracker、mpLocalMapper和mpLoopCloser 分别完成了轨迹跟踪、局部建图和闭环检测。
2023-10-23 00:15:00
10324
Mei_Dont_Hit_Me_Glass_Detection_in_Real-World_Scenes_CVPR_2020_paper.pdf
2021-03-01
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人