视觉SLAM14讲自学笔记整理

原创 已于 2023-10-14 16:15:19 修改 · 119 阅读 · 0 ·
CC 4.0 BY-SA版权
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。
文章标签：

#c++ #ubuntu #笔记

于 2023-10-14 16:04:54 首次发布
本文介绍了如何在Ubuntu系统中的VSCode中使用终端进行代码编译，包括切换目录、创建编译目录、配置CMake和Make，以及检查可执行文件的生成过程。

1.在ubuntu系统中，用vscode编译已经下载好的代码源文件，打开某一个文件夹之后，需要在vscode终端查看另外一个文件夹，可以选择回退操作 cd ..c7e81dc6184548d9a79472c65b7ad2d2.png

2.在vscode中编译一个文件的处理。
①ctrl+"`"(Esc下面的按键)打开vscode终端；

②先在终端输入ls遍历当前文件夹是否有你需要编译的文件；

③输入 mkdir build

④输入cd build/

⑤cmake ..(注意这里点点前面有一个空格)

⑥make

⑦再ls查找你需要编译的文件是不是变成绿色可执行文件

⑧./文件名就可编译文件了

van_DWZ
关注
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
非线性优化-SLAM十四讲笔记
chuangkeiss的博客
10-28 718
我们首先考虑最简单的误差函数例子，使下式子得到最小值，我们可以求目标函数导数为0的x值。但是如果这个函数比较复杂不容易求导，则我们就可以使用迭代法，从一个初始值出发，不断地更新当前的优化变量，使目标函数值下降。让求解导数为零的问题变成一个不断寻找下降增量的问题。
《视觉SLAM十四讲》学习笔记
qq_29128985的博客
11-07 3304
《视觉SLAM十四讲》学习笔记 第一讲：添加链接描述 第二讲
opencv-声明一个窗口
weixin_52646021的博客
01-19 210
Mat变量操作 #include<iostream> #include<opencv2/opencv.hpp> using namespace cv; using namespace std; int main() { Mat src; src=imread("你的图片地址")；//这是要读取你的图片 namedWindow("给窗口起一个名字"，WINDOW_AUTOSIZE)；//后边的这是图片大小自适应 imshow("刚才起的名字"，src)//这是显示图片的指令 Mat d
视觉SLAM十四讲学习笔记——第一二讲
weixin_46444742的博客
07-12 583
研0学生，放假宅家，本科期间对其感兴趣，故开始学习。 一个人学有点无聊，可以一起来学呀！参考书：高翔《slam十四讲》第二版 我会在我的笔记中，结合自己的理解复述内容，并对代码部分完成复现。有问题的可以留言或者私信噢！ 开发环境：虚拟机Ubuntu22.04+Vscode。.........
视觉SLAM整理，是视觉SLAM14讲的一些总结内容，用于自己归纳整理
07-19
视觉SLAM，全称视觉Simultaneous Localization And Mapping，即同时定位与建图，是机器人领域中的核心技术之一。本文是对SLAM学习的总结，涵盖了从基础到实践的多个方面。 首先，要进行视觉SLAM，需要搭建一个基础...
视觉SLAM十四讲笔记（ch5）
Ltr_20213962的博客
10-24 688
在计算机中，图像用二维矩阵存储，在一张灰度图中，每个像素位置 ( x , y )对应到一个灰度值 I ，一张宽度为 w ，高度为 h的图像，数学形式可以记成一个矩阵：I ( x , y ) ∈ R w × h。在相机中，最终获得的是一个个的像素，这需要在成像平面上对像进行采样和量化，设在物理成像平面上固定着一个像素平面 o − u − v，得到了P′的像素坐标： [ u , v ] T ，像素坐标系与成像平面之间，相差了一个缩放和一个原点的平移。d为视差，视差与距离成反比，视差越大，距离越近。
视觉SLAM十四讲学习笔记——第十三讲 实践：设计SLAM系统
weixin_61294345的博客
12-02 2881
1.如何运行示例代码 2.主要头文件 3.主要算法框架图 4.主要关注的问题
视觉SLAM十四讲学习笔记--第七讲视觉里程计学习笔记总结（1）
weixin_36773706的博客
08-30 875
最近这个专栏比较少时间去写了，科研任务逐渐收紧，后面等过年放假有时间再整理，抱歉！
[学习笔记-SLAM篇]视觉SLAM十四讲ch9
warningm_dm的博客
08-03 1348
和第6讲状态估计一样，太多数学推导了，抽象的东西没那么多，但是更令人头大了。 具体的推导还是有亲自计算的必要的，不过整体思路整理也很必要。 注： 1）学习视频：【高翔】视觉SLAM十四讲。 视觉SLAM十四讲第9讲9.1 理论部分9.2 实践部分 第9讲 9.1 理论部分 前端传输过来的地图点、相机运动这些数据都是粗糙的，虽然构建了运动方程（纯视觉SLAM没有）和观测方程，但含有误差，因此需要后端进行优化。 后端优化的方式就是进行状态估计。 1）状态估计 在视觉SLAM中，我们需要优化（待估计）的量是
高翔slam14讲-笔记1
weixin_43196262的博客
06-22 549
对高翔视觉slam14讲书本及B站视频的笔记
《视觉SLAM十四讲》笔记
weixin_45342128的博客
12-22 2073
《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(
SLAM 入门之《SLAM 14讲》笔记
Simon的博客
03-28 1254
本人小白一枚，因选了搭建3D虚拟环境的课题需要学习SLAM相关知识，被迫在一个星期之内学完了《SLAM 14讲》，从此感觉到了SLAM的有趣和神奇。为了时常能温习书中所涉及的原理与模型，也为了能帮助广大刚入这个坑的小白们，便想写这篇书中每章内容的摘要与一些知识的理解。
视觉SLAM十四讲-高翔（学习笔记）第2讲 初识SLAM
qin_liang的博客
09-07 874
初识SLAM
【视觉slam14讲】笔记感悟（前六章）
仿生实验室：从0到1，制作人脸表情交互机器人，记录过程，软硬件全部开源，与君共襄盛举！
03-18 803
我现在要估计我的位姿T准不准，我想让实际的数据与观测数据间的误差尽可能小，来寻找一个最优的T。我们经常会构建与位姿有关的函数，然后讨论该函数关于位姿的导数，以调整当前的估计值。外参是相机的R和t，外参会随着相机运动发生改变，也就是slam待估计中的目标，代表机器人的轨迹。李群和李代数是可以对应的，每个李群的元素都可以找到一个李代数的元素对应。对于转换中的旋转，用欧拉角可以直观的进行理解，但是如果工程中用的话，可能会出现万向锁的问题，如何理解万向锁，可以参考下面的视频。我们最终得到我最可能的位姿T了吗？
视觉SLAM十四讲（第2版）总结
weixin_45205765的博客
02-14 2289
最近看完了《视觉SLAM十四讲（第2版）：从理论到实践》（高翔等著），原书分两部分，先介绍了数学基础，然后介绍了具体的SLAM实践，非常适合零基础开始学习SLAM。 作为总结，这里并不对书中的内容做太多的重复说明，本人的水平也不足以用聊聊数字概括原书精华，因而这里采用这样一种思路：提出问题，分析求解，实践应用——来说说自己的理解。 本文从研究背景出发，引出SLAM问题的数学模型；运用数学工具分析求解模型（主要是直接求导与扰动模型）；最后，对原书第13讲的代码组织进行整理，修改并注释第6讲的g2o代码以便
《视觉SLAM14讲》学习小结——供小白快速入门ch7(下)
weixin_44469383的博客
08-01 897
视觉里程计，特征点法，3D-2D，透视定位法，PnP，P3P，BA。
视觉SLAM十四讲：从理论到实践（Chapter9：后端1）
努力学习
06-07 701
学习笔记，仅供学习，不做商用，如有侵权，联系我删除即可1.理解后端的概念。 2.理解以EKF为代表的滤波器后端的工作原理。 3.理解非线性优化的后端，明白稀疏性是如何利用的。 4.使用g2o和Ceres实际操作后端优化 BA：Bundle Adjustment，是一种批量式的优化方法，给定很多个相机位姿、路标与观测数据，计 算最优的状态估计；定义每个运动/观测方程的误差，并从初始估 计开始寻找梯度下降；BA代价函数：待优化变量：相机的位姿和Landmark的三维空间坐标把自变量定义成所有待优化的变量：，Δ
视觉SLAM十四讲（一）--配置vscode编译环境
菜鸟的博客
03-19 1666
最近打算系统学习一下SLAM的知识，高翔博士的《视觉SLAM十四讲》是一本不错的入门课程，于是打算开个专题记录一下学习过程中出现的问题以及学习心得。 配置vscode C++编译环境 由于此教程的大部分代码都是由C++完成，为了方便在ubuntu系统下进行编程实践，所以使用Vscode集成环境进行代码编写，之前已经进行过简单的编译环境的配置，现在主要记录一下，当需要一个新的头文件的时候如何添加到编译环境中。 vscode环境的配置主要有三个比较重要的文件，tasks.json,launch.json以及c_
slam14讲笔记
最新发布
03-20
</think>### 关于《视觉SLAM14讲》的笔记与总结整理 #### 一、已有的笔记内容 1. **SLAM基础概念与单目初始化** - SLAM需要解决机器人定位与环境建图两大问题，单目相机因缺少深度信息（$z$变化时成像关系仍成立...
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