Walking_roll的博客

这位博主解释的很到位，有图片很形象！

请读这篇知乎上的文章。

目录1 线速度与角速度2 旋转坐标系下的运动学3 定义清楚问题1 线速度与角速度如上图所示：假设一个粒子在坐标中的平面做圆周运动，坐标为：r.=(acosθ,asinθ,h)T\overset{.}{r}=(acos\theta,asin\theta,h)^Tr.=(acosθ,asinθ,h)T，对坐标求导得：r.=(−aθ.sinθ,aθ.cosθ,0)T\overset{.}{r}=(-a\overset{.}{\theta}sin\theta,a\overset{.}{\theta}cos\

目录1 四元数相关2 四元数求导中用到的性质3 四元数对时间求导4 推导结果1 四元数相关单位四元数可表达任意三维旋转，且无奇异性。四元数与角轴的转换关系：q=[cos(θ/2),ω∗sin(θ/2)]Tq=[cos(\theta/2),\omega*sin(\theta/2)]^Tq=[cos(θ/2),ω∗sin(θ/2)]T,其中ω\omegaω为单位向量。2 四元数求导中用到的性质近似：当x−>0x->0x−>0时，sin x sin ~x~s

G2O图优化基础和SLAM的Bundle Adjustment(光束法平差)-转载G2o是一个重度模板类的C++优化库。这篇文章首先介绍了C++的类部分的基础，为理解G2o的代码结构有着重要的意义。举了几个例子，代码风格也是我喜欢的，几个例子基本都是高博《十四讲》上的。后面详细的梳理了G2o的代码框架，和用G2o求解优化问题的步骤。...

目录1 3D-3D：ICP2 求解ICP3 ICP的好处1 3D-3D：ICP前面我们讨论了求解视觉里程计的两种情形下的求解问题，通过两帧图像推算里程计信息（2D-2D），我们使用对极几何约束来求解（比如单目初始化）；对于已经三角化出一些3D点的情况（3D-2D），求解下一帧位姿的方法是PnP算法（初始化后的位姿跟踪一般都是用PnP算法）；那么如果我们知道了一组匹配好的3D点呢？就可以用到ICP算法了（用于RGB-D SLAM中）。假设我们已知一组匹配好的3D点。如下表示：我们知道这两组点之间相

目录

目录1 视觉里程计（VO）2 基于特征点法的视觉里程计算法2.1 特征点2.2 ORB特征点的提取与匹配2.2.1 关键点与描述子灰度质心法特征描述子计算2.2.2 特征点匹配2.3 特征点法估计相机位姿2.3.1 对极几何约束2.3.2 八点法求解本质矩阵E,估计相机运动==非常感谢您的阅读！==1 视觉里程计（VO）视觉SLAM的基本框架已经学习，其中由两部分非常重要，那就是前端和后端。视觉前端就被成为视觉里程计（VO），其根据相邻图像的信息，估计出粗略的相机位姿，给后端提供较好的位姿初始值。视

目录1 相机模型1.1 针孔模型1.2 畸变模型1.2.1 径向畸变1.2.2 切向畸变1.3 去畸变1.4 单目相机成像小结2 非常感谢您的阅读！1 相机模型1.1 针孔模型相机将三维世界中的坐标点（单位为米）映射到二维图像平面（单位为像素）的过程能够用一个几何模型进行描述，这个几何模型就是所谓的相机模型。模型有很多种，其中一种最简单有效的模型称为针孔模型。它描述了一束光线通过针孔之后，在针孔背面投影成像的关系。同时，由于相机镜头上的透镜的存在，会使得光线投影到成像平面的过程中会产生畸变。所以整

目录1、李群和李代数李群2、李代数的引出3、为什么要用李代数4、李代数求导1、李群和李代数需要明确的迹点：三维旋转矩阵构成了特殊正交群SO（3），变换矩阵构成了特殊欧式群SE（3），表示如下：但是什么是群呢？群（Group）是一种集合加上一种运算的代数结构。我们把集合记作A，运算记作 ·，那么群可以记作G = (A, ·)。群要求这个运算满足以下几个条件：简单验证可知旋转矩阵和变换矩阵都是群。李群李群是指具有连续（光滑）性质的群。SO(n) 和 SE(n)，它们在实数空间上是连

1 三维空间刚体运动我们很容易想到，刚体在三维空间中的运动是由一次旋转和+一次平移组成的。平移其实就是刚体在三轴方向上移动的距离，问题不大，但在视觉SLAM问题中旋转的处理是比较麻烦的。接下来介绍旋转矩阵、四元数、欧拉角的定义，以及他们是如何运算和变换的。1.1 点、向量和坐标系为什么要弄明白这些基础的问题呢，恰恰因为他们是基础，而最容易忽视的也是基础。1、点是空间中的基本元素，无体积，无长度。2、把两点连接就构成了向量。向量可以看作从一个点指向另一个点的箭头。3、 当我们为三维空间指定坐

什么是SLAM？SLAM的全称为同时定位和建图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。你可以把自己当作那个主体，想象你处在一个陌生的环境，然后开始做你想做的事，我们左顾右盼，四处走走建立起对周围环境的感知的过程就是SLAM。SLAM分类SLAM按传感器配置的不同可以分为激光SLAM、视觉SLAM和多传感器融合的SLAM。如果此主体搭载的是激光雷达传感器，则为激光SLAM。如果此主体搭载的是相机，则为视觉SLAM。如果此主体若