子墨的专栏

以下内容翻译自wiki百科。里程计（Odometry）：原文链接在此：http://en.wikipedia.org/wiki/Odometry里程计是一种利用从移动传感器获得的数据来估计物体位置随时间的变化而改变的方法。该方法被用在许多种机器人系统（轮式或者腿式）上面，来估计，而不是确定这些机器人相对于初始位置移动的距离。这种方法对由速度对时间积分来求得位置的估计时所产生的误差十

立体视觉里程计的tutorial：  http://avisingh599.github.io/vision/visual-odometry-full/ 单目视觉里程计的tutorial:    http://avisingh599.github.io/vision/monocular-vo/

视觉里程计简介By feng bing 发表于 2015-07-25文章目录1. 什么是视觉里程计？2. 单目或立体视觉里程计3. 基本算法过程3.1. 输入3.2. 输出3.3. 基本过程这篇博客主要讲述一个简单的视觉里程计（Visual Odometry）的实现。整个流程较为简单，后续在此基础上对效率精度进一步提高。什么是视觉里程计？首先我们

前面讲述了特征提取，后期可以尝试orb_slam中采用orb，对特征加入方向信息，使得特征具备旋转不变性。特征跟踪特征提取是一个比较耗时的操作，即使使用了FAST特征检测，而且都是使用特征提取之后要进行特征匹配，通过RANSAC等方法进行特征提纯等操作，然后由于两帧之间时间间隔较短，完全可以采用跟踪的方法来预测下一帧的特征点。我们采用KLT跟踪算法,具体算法的介绍可以参考原论文或者可以

转载地址：视觉里程计总介绍在前两篇博客中，我们实现了一个简单的视觉里程计，在最后我们也分析了其存在的问题，那接下来的文章就是对上述简单视觉里程计一步步优化，提高算法的精度，效率以及鲁棒性。在此之前，我们先对视觉里程计整个发展做一个回顾。具体可以参考大牛Davide Scaramuzza的两篇文章Visual Odometry: Part I[1],Visual Odometry: Pa

前一篇博文中已经简单介绍了视觉里程计，这一篇中对上述过程进行进一步的阐述。图像获取目前主要采用KITTI的数据集，采用公共数据集可以对自己的算法效率和精度进行评估。具体的获取基于OpenCV进行实现。图像畸变处理图像在成像过程中由于镜头等相关因素会形成畸变，对于普通图像需进行畸变矫正，这个可以在对镜头进行标定的时候进行解决，具体标定可以参考matlab或者opencv，这边采用的K

先收藏下，有时间看看，感谢这些好的博客白巧克力：http://blog.youkuaiyun.com/heyijia0327/article/details/51649082http://blog.youkuaiyun.com/heyijia0327/article/details/51083398路游侠（卢颜斌）：http://www.cnblogs.com/luyb/p/5773691.htm