《视觉SLAM十四讲》学习笔记（一）

最新推荐文章于 2025-04-13 18:18:17 发布
最新推荐文章于 2025-04-13 18:18:17 发布
阅读量1.6k 收藏 2
点赞数
CC 4.0 BY-SA版权
分类专栏： SLAM 文章标签： vslam
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。
本文链接：https://blog.youkuaiyun.com/sniperkang/article/details/77444235
本文深入探讨了SLAM(即时定位与地图构建)的关键技术，包括传感前端与后端优化、单目与双目视觉深度估计、尺度不确定性处理、深度与结构光测量、特征提取与匹配方法、后端滤波与非线性优化技术、回环检测及地图构建策略等。通过这些技术细节的讲解，帮助读者理解SLAM系统的实现原理及其挑战。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1、传感 前端VO 后端优化 回环 建图
2、单目 双目 深度
3、单目 尺度 尺度不确定性
4、双目 基线
5、深度 红外结构光 Time of Flight
6、前端 漂移 特征提取与匹配
7、后端 滤波 非线性优化
8、SLAM本质：对运动主体自身和周围环境空间不确定性的估计Spatial Uncertainty
9、回环 识别曾到达过的场景 图像相似性
10、建图 度量地图 稀疏 稠密 拓扑地图
11、运动方程 观测方程 状态估计问题 高斯/非高斯 各种滤波
12、g++ cmake 静态库 共享库 头文件 Kdevelop

视觉slam14讲学习笔记（持续更新中）
DavidHan008
05-07 5万+
写在最前面： SLAM特指：特指搭载传感器的主体，在没有环境先验的信息情况下，在运动过程中建立环境模型，通过估计自己的运动。 SLAM的目的是解决两个问题：1、定位 2、地图构建 也就是说，要一边估计出传感器自身的位置，一边要建立周围环境的模型 最终的目标：实时地，在没有先验知识的情况下进行定位和地图重建。 当相机作为传感器的时候，我们要做的就是根据一张张连续运动的图像，从中估计出
视觉SLAM十四讲 -- 笔记（一）
qq_25022577的博客
02-28 2425
视觉SLAM十四讲 – 笔记 第2讲：初识SLAM 1. 概述 2. 视觉里程计 视觉里程计（Visual Odometry，VO，又称为前段，Front End）关心相邻图像之间的相机运动，最简单的情况当然是两张图像之间的运动关系。 计算机是如何通过图像确定相机的运动呢？ 视觉SLAM中，我们只能看到一个个像素，知道它们是某些空间点在相机的成像平面上投影的结果。所以，为了定量地估计相机运动，必须在了解相机与空间点的几何关系之后进行。 VO 能够通过相邻帧间的图像估计相机运动，并恢复场景的空间结构。叫它为“
《视觉SLAM十四讲》学习笔记
qq_29128985的博客
11-07 3260
《视觉SLAM十四讲》学习笔记 第一讲：添加链接描述 第二讲
《视觉SLAM十四讲》笔记
weixin_45342128的博客
12-22 1996
《视觉SLAM十四讲》笔记ch02 初识SLAM经典视觉SLAM框架SLAM问题的数学表述ch03 三维空间刚体运动旋转矩阵点、向量和坐标系坐标系间的欧氏变换 ch02 初识SLAM 经典视觉SLAM框架 视觉SLAM流程包括以下步骤: 1.传感器信息读取: 在视觉SLAM中主要为相机图像信息的读取和预处理.如果是在机器人中,还可能有码盘、惯性传感器等信息的读取和同步. 2.视觉里程计(Visual Odometry,VO): 视觉里程计的任务是估算相邻图像间相机的运动,以及局部地图的样子.VO又称为前端(
视觉slam14讲学习笔记 （第1讲）
c20081052的专栏
02-14 646
参考书籍：《视觉SLAM 14讲》 代码： https://github.com/gaoxiang12/slambook   第1讲：前言； 学习需具备的知识： >高等数学、线性代数、概率论 >C++语言基础 >Linux基础   SLAM 概念： Simultaneous Localization and Mapping 的缩写，中文译为：同时定位与地图构建...
【slam】视觉slam十四讲笔记
Sixyeah的博客
07-26 251
学习slam必备知识及软件。
视觉SLAM十四讲笔记
dada19980122的博客
12-20 3689
第二讲 初识SLAM 相机： 以二维投影形式记录三维世界的信息 丢掉了一个维度——距离 三种视觉SLAM中主要的相机： 单目相机：没有深度，必须通过移动相机产生深度（近处物体的像运动快，远处物体的像运动慢） 双目相机：通过两个眼睛的视差计算深度（近处物体差别大，远处物体差别小），计算量很大 RGBD相机：通过物理方法测量深度，知道每个点的深度 主动测量，功耗很大 结构光TOF 深度值比较准确 量程小，易受干扰（很多RGBD用的是红外光，会受太阳光干扰，因此室外还是要用单目和双目，RGBD不太行） 视
视觉SLAM14讲学习笔记
等南風起的博客
11-02 530
文章目录： 第一讲预备知识 第二讲初始SLAM 第三讲 三维空间刚体运行 第一讲预备知识 书的简介以及书中约定的一些描述等 再漂亮的数学理论，如果不能转化为可以运行的代码，那就仍是可望而不可即的空中楼阁，没有实际意义。 轮式编码器会测到轮子转到的速度，IMU测量运动的角速度和加速度，相机和激光传感器则读取外部环境的某种观测数据。 SLAM特指：特指搭载传感器的主体，在没有环境...
视觉SLAM十四讲笔记：初识SLAM
xyz_0901的博客
05-25 322
SLAM 经典SLAM框架
视觉SLAM十四讲笔记（超级通俗易懂哦~）
热门推荐
qq_41883714的博客
12-13 1万+
第二讲 初识SLAM 传感器 Sensors 两类传感器： 安装于环境中的：二维码，GPS， 携带于机器人本体的： 对比激光和相机两大类传感器，激光建图基本上已经研究清楚，视觉SLAM还没有稳定可靠运行 摄像头：轻便、便宜、信息丰富 缺点：遮挡、受光照影响、计算量大、 单目，双目，深度相机（TOF/结构光） ...
高翔视觉SLAM十四讲学习笔记
boyhoodme的博客
02-20 1189
--------------------------------------------------ch8--------------------------------------------------------- 在ch8中的使用LK光流提取FAST角点，有代码错误，应该修改如下; 第一处错误 cv::Ptr<cv::FastFeatureDetector> detector ...
《视觉SLAM十四讲》详细笔记
10-10 2062
《视觉SLAM十四讲》笔记摘抄 ch02 初识SLAM 经典视觉SLAM框架 SLAM问题的数学表述 ch03 三维空间刚体运动 旋转矩阵 点和向量,坐标系 坐标系间的欧氏变换 变换矩阵与齐次坐标 齐次坐标(Homogeneous Coordinate)的优势 优势1:方便判断是否在直线或平面上 优势2:方便表示线线交点和点点共线 优势3:能够区分向量和点 优势4:能够表达无穷远点 优势5:能够简洁的表
视觉SLAM14讲学习笔记-ch7
shuaibidebei的博客
09-11 1625
本博客主要记录学习高翔老师视觉SLAM14讲的总结笔记，若有总结不对的地方，欢迎大家与我讨论。
高翔博士 《视觉SLAM十四讲》学习笔记 （1） 写在前面
weixin_39831360的博客
11-10 1420
本书的内容 SLAM 是 Simultaneous Localization and Mapping 的缩写,中文译作“同时定位与地图构建”[1]。它是指搭载特定传感器的主体,在没有环境先验信息的情况下,于运动过程中建立环境的模型,同时估计自己的运动 [2]。如果这里的传感器主要为相机,那就称为“视觉SLAM”。 1.SLAM的主要作用是解决Localization 和 Mapping的问题 ...
视觉SLAM十四讲-第六讲笔记
pikachu_777的专栏
10-23 1663
状态估计问题 SLAM模型： 状态方程：xk=f(xk−1,uk)+wkx_k=f(x_{k-1},u_k)+w_kxk​=f(xk−1​,uk​)+wk​ 运动方程：zk,j=h(yj,xk)+vk,jz_{k,j}=h(y_j,x_k)+v_{k,j}zk,j​=h(yj​,xk​)+vk,j​ 其中: x：相机位姿。可以由旋转矩阵TTT或者李代数exp(ϵexp(\epsilonexp...
《视觉SLAM十四讲》学习笔记-摄像机成像公式
摸着石头撑船
06-17 2114
针孔相机模型 摄像机内外参数矩阵 内参数矩阵 外参数矩阵 畸变 径向畸变 切向畸变 双目相机模型 RGB-D模型 针孔相机模型 设P点坐标为[X,Y,Z]⊤[X,Y,Z]⊤[X, Y, Z]^\top, P′P′P'坐标为[X′,Y′,Z′]⊤[X′,Y′,Z′]⊤[X', Y', Z']^\top, 根据三角形等比关系有 Zf=−XX′=−YY′Zf=−X...
视觉SLAM十四讲2nd—学习笔记（一）
最新发布
my blogs include programming, math, physics.回首过去，放眼未来。
04-13 920
刚体运动：如果相机运动是一个刚体运动，则两个坐标系间的运动由一个旋转加一个平移组成。欧拉角：将一个旋转分解为三次绕不同轴的旋转，最常见的是采用偏航-俯仰-滚转描述旋转。注：欧式变换的旋转矩阵有正交性，将其自由度缩减为3，再加上平移向量，共6个自由度。万向锁：如果绕Y轴旋转90度，那么系统丢失一个自由度（绕X轴的旋转）。世界坐标系或惯性坐标系是一个静坐标系，相机坐标系是一个动坐标系。注：行列式为-1的正交矩阵是瑕旋转矩阵（一次旋转加一次反射）。是一个可逆矩阵，左下角为缩放，有上角为平移。
《视觉SLAM十四讲》笔记摘抄
csdner_01的博客
02-08 143
四元数的定义一个四元数 q q q拥有一个实部和三个虚部其中 i i i, j j j, k k k,为四元数的3个虚部,它们满足以下关系式(自己和自己的运算像复数,自己和别人的运算像叉乘):也可以用一个标量和一个向量来表达四元数:s s s为四元数的实部, v v v为四元数的虚部.有实四元数和虚四元数的概念.在二维情况下,任意一个旋转都可以用单位复数来描述,乘 i i i就是绕 i i i轴旋转90°.
评论
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