
SLAM
文章平均质量分 67
目竞
起承转合
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
ORB-SLAM2稠密点云重建:RGBD室内[1]
接上一篇.步骤2:了解PCL在PCL文档中简单了解其基本用法和工具。我在其官方教程中学习并使用了PCL的一些滤波工具。步骤3:准备工作首先,根据ORB-SLAM2的git主页,安装好ORB-SLAM2(注意openCV"干净"安装,即如果你要重装openCV,要完整卸载之前版本,具体百度),选择你的数据集跑RGB-D的例子。此时可以得到KeyFrameTrajectory.txt。...原创 2018-01-22 11:46:19 · 6593 阅读 · 3 评论 -
ORB-SLAM2稠密点云重建:RGBD室内[2]
接上一篇。步骤8:从rgb图和d图初始化点云,然后滤波(可选) cout << "Initing...\n"; //初始化点云 vector<PointCloud::Ptr> pcVec; for (int i = 0; i < keyVec.size(); i++) { FRAME tframe; tframe.rgb = cv::imr...原创 2018-01-22 14:02:32 · 6149 阅读 · 10 评论 -
ORB-SLAM2稠密点云重建:双目室外[1]
接上一篇.步骤4:读取每帧位姿信息,初始化点云类似之前的RGBD,先在XCTool.h中加入XCKITTIKey类读取每帧信息:class XCKITTIKey {public: double r00, r01, r02, r10, r11, r12, r20, r21, r22; double tx, ty, tz;};在此要解释一下,输出文件的格式与之前RGBD的不一...原创 2018-01-22 16:19:59 · 4702 阅读 · 5 评论 -
ORB-SLAM2稠密点云重建:双目室外[0]
由于ORB-SLAM2双目的稠密点云重建与RGBD的稠密重建大同小异,而且很多代码通用。所以建议朋友们可以先看一下我之前的ORB-SLAM2稠密点云重建:RGBD室内。这里先提一下总体思路。由于利用RGBD的框架去做,所以对于双目来说,最主要的就是得到其视差图,然后利用双目的其中1张(你也可以试试用两张,我选择左图)作为rgb图,将视差图得出左图深度信息。这样就通用起来了。也许你会担心ORB-...原创 2018-01-22 15:23:35 · 9905 阅读 · 5 评论 -
ORB-SLAM2稠密点云重建:RGBD室内[0]
众所周知,ORB-SLAM2可以基于特征点的得到稀疏点云:然而,有时我们需要稠密点云。不知道怎么做?我会在博客中分别介绍:1.基于ORB-SLAM2的RGBD稠密点云重建(多用于室内)2.基于ORB-SLAM2的双目稠密点云重建(多用于室外)注意!:这里的“重建”并没有改变使用的特征点等行为,对原来的ORB-SLAM2没有进行任何改造,只是利用其输出信息与原始图片进行场景重建而...原创 2018-01-22 10:35:30 · 8755 阅读 · 0 评论 -
ORB-SLAM2稠密点云重建:双目室外[2]
接上一篇.上一篇中,看起来我们基本完成了重建。但是有很多问题:问题1:如果你真正跑起来(00数据集),你会发现点云没有正确拼接。这是点云化的部分有问题。 问题2:跑起来,你会发现很乱,除了问题1,还有是因为y方向剪裁不够,即还有很多天空像天花板一样贴在了顶上,所以从上面看是看不到道路的。 问题3:乱的原因除了问题1,2,还有是因为z方向剪裁仍然不够。实际操作发现超过一小段距离点云就开始...原创 2018-01-23 10:33:33 · 3992 阅读 · 1 评论 -
ORB-SLAM2稠密点云重建:最终效果与点评
(后期声明:想要完整源码的)由于跳槽,而且这些操作本就属于伪科研,当时也没心思备份,代码不可能有了。如果你真的上道,我之前的文章也已经说得差不多了。室内一张截图:在重复扫描的地方精度不错,这个看起来有点差。。其实精度挺好的。单张双目重建:这个其实没看起来那么好,因为很多错误点待截掉,只是角度好。从上方看来是这样的:点云融合后,精度较差,1-5米,不能近看,远处看看轨...原创 2018-04-14 15:05:47 · 9425 阅读 · 6 评论