qq_34122731的博客

使用cv::solvePnPRansac求解PnP用到如下代码cv::solvePnPRansac( pts_obj, pts_img, cameraMatrix, cv::Mat(), rvec, tvec, false, 100, 1.0, 0.99, inliers );调试时，如果出现下面这种error，一般是inliers的点数不够，因为求解无额外条件的位姿最少需要五个点，这时候就...

一.函数功能以及调用方法1.提取特征点，计算描述子

这一部分是根据上一步分检测到的goodmatches,以及深度图，来估计相机运动，用到的核心函数是（Opencv3下的定义），需要包含的文件为#include<opencv2/calib3d/calib3d.hpp>bool cv::solvePnPRansac ( InputArray objectPoints, InputArray imagePoints,...

首先根据某个像素点的像素坐标和深度值计算出它的空间坐标（x,y,z）论证过程见http://www.comp.nus.edu.sg/~cs4243/lecture/camera.pdf可以得到z=d/sx=(u−cx)⋅z/fxy=(v−cy)⋅z/fy这样就能通过深度信息计算出对应点的空间坐标了此处显示的过程中发现有颠倒的现象存在，为了直观把x坐标和z坐标取反得到容易观察的视图点...

点云拼接是针对相邻帧的，先估计图像的相对运动，然后使用旋转矩阵把第一帧对应的点云转换到第二帧点云的坐标系下，使得两帧点云处在同一个坐标系，然后进行拼接形成融合了两个点云的新点云首先是按照上一步分产生点云，然后估计相机运动，得出旋转矩阵和平移矩阵，通过这两个矩阵把第一帧的坐标系转换到与第二帧一致的坐标系下，细节如下把solvePnPRansac得到的旋转向量rvec和平移向量tvec转换到Eig...

参考文献https://blog.youkuaiyun.com/pangzilu520/article/details/81087577复现高博一起动手做RGB-d第六部分时，g2o部分代码 // 选择优化方法 typedef g2o::BlockSolver_6_3 SlamBlockSolver; typedef g2o::LinearSolverCSparse<SlamBl...

一起动手做第三讲高大神博客原文https://www.cnblogs.com/gaoxiang12/p/4659805.html第三讲介绍了怎样进行图像配准，主要分为四步：第一步.特征点的提取，虽然各种特征点有所区别，不过这一步大致都为两个过 程：根据图像提取关键点(KeyPoint)和根据关键点计算描述子(descriptor);这一步我使用到的是opencv3.3.0（ubuntu16...

参考博客https://www.cnblogs.com/gaoxiang12/p/5244828.htmlhttps://www.cnblogs.com/gaoxiang12/p/5304272.html首先进行两张rgb图的运动估计的图优化虽然在第二节中有很不错的运动估计，不过那是基于在有深度图像的基础上可以获得前一张匹配点的3D点，从而转化为3D-2D的运动估计，但是在这里没有深度图的信...

把旋转向量转换成旋转矩阵SO(3)，使用罗德里格斯公式进行转换需要注意到的是solvepnp函数解出来的是旋转向量r,将r转换成这种型式r=[\theta]