[学习笔记-SLAM篇]视觉SLAM十四讲ch9

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

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)状态估计基本解释

  • 在视觉SLAM中,我们需要优化(待估计)的量是位姿 x k \pmb{x}_k xxxk和路标点 y k \pmb{y}_k yyyk,笼统地用状态量 x k = d e f { x k , y 1 , . . . , y m } \pmb{x}_k\overset{def}{=}\begin{Bmatrix} \pmb{x}_k,\pmb{y}_1,...,\pmb{y}_m \end{Bmatrix} xxxk=def{ xxxk,yyy1,...,yyym}表示,则观测方程表示为 z k = h ( x k ) + v k \pmb{z}_k=h(\pmb{x}_k)+\pmb{v}_k zzzk=h(xxxk)+vvvk。若用 0 0 0 k k k时刻的数据估计状态分布,就可以表示为 P ( x k ∣ x 0 , u 1 : k , z 1 : k ) P(\pmb{x}_k|\pmb{x}_0,\pmb{u}_{1:k},\pmb{z}_{1:k}) P(xxxkx
视觉SLAM十四》的第七章主要介绍了ORB特征的手写实现。ORB特征是一种基于FAST角点检测和BRIEF描述子的特征提取方法,它在计算效率和鲁棒性上表现出色,被广泛应用于视觉SLAM中。 第七章还介绍了ORB特征的主要步骤,包括角点检测、特征描述子计算和特征匹配。在角点检测中,通过FAST算法检测图像中的角点位置。然后,利用BRIEF描述子计算对应角点位置的特征描述子。最后,通过特征匹配算法将当前帧的ORB特征与地图中的ORB特征进行匹配,从而实现相机的位姿估计和地图构建。 除了手写ORB特征的实现,第七章还介绍了ORB-SLAM系统的整体框架和关键技术。该系统结合了特征点法和直接法,实现了在无GPS和IMU信息的情况下进行实时的视觉SLAM。通过利用ORB特征进行初始化、追踪和建图,ORB-SLAM系统在室内和室外环境下都取得了良好的效果。 总而言之,视觉SLAM的第七章《视觉SLAM十四》介绍了手写ORB特征的实现方法,并介绍了ORB-SLAM系统的整体框架和关键技术。这些内容对于理解和应用视觉SLAM具有重要意义。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [视觉SLAM十四——ch7](https://blog.youkuaiyun.com/weixin_58021155/article/details/123496372)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* [《视觉slam十四学习笔记——ch7实践部分 比较opencv库下的ORB特征的提取和手写ORB的区别](https://blog.youkuaiyun.com/weixin_70026476/article/details/127415318)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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