- 博客(5)
- 收藏
- 关注
RSS订阅原创 推导到实践， PnP求解相机位姿
一旦匹配好的点确定后，接下来就是估计相机的运动。此篇主要是讲第3种，以实践为主，对原理只作必要的简单解释：一，因为这块的某些概念比较复杂，如果深究会涉及到多视角几何学以及矩阵论的相关内容，很多人其实对这个的知识储备不够，初学者很容易淹没其中，迷失方向；二是，这里面的很多实现，OpenCV已经封装好了，初学者直接调用相关函数即可。
2024-11-19 09:23:46
2288
原创 对极几何与三角测量，理论推导与代码实践
一旦匹配好的点确定后，接下来就是估计相机的运动。此篇文章以实践为主，对原理只作必要的简单解释：一，因为这块的某些概念比较复杂，如果深究会涉及到多视角几何学以及矩阵论的相关内容，很多人其实对这个的知识储备不够，初学者很容易淹没其中，迷失方向；二是，这里面的很多实现，OpenCV已经封装好了，初学者直接调用相关函数即可。
2024-11-18 19:29:47
1602
原创 从理论至实践，ORB特征形象解释
视觉里程计的核心是，但图像本身是基于亮度与色彩的矩阵，直接从矩阵层面考虑运动估计是比较困难的，较方便的做法是：首先从图像中提取有，因为这些点在相机视角发生少许变化后保持不变，所以我们可以从各时刻的图像中找到空间位置相同的点；然后，基于这些点，来估计相机的运动。这些点被称为路标或特征；
2024-11-10 21:53:36
1606
原创 从推导到实践，详解基于最小二乘法的2D位姿图优化(SLAM后端)
（Nodes/Vertices）：在位姿图优化SLAM中，节点通常代表机器人在的位姿（pose），即位置和方向的组合。每个节点包含了机器人在该时刻的空间坐标（平移）和旋转参数（旋转），可以是2D或3D坐标系下的表示。（Edges）：边则代表了节点间的关系或约束。这些约束可以来自多种，如：传感器观测：如激光雷达、摄像头等设备提供的关于环境中的观测数据。运动模型：如里程计（odometry）数据，描述了机器人相邻时刻之间的，如轮式机器人基于电机转数和车轮半径计算的平移和旋转。回环检测。
2024-11-08 03:37:38
736
原创 初识vSLAM中的BA(Bundle Adjustment)
相机将三维世界坐标系下的点pXYZT(单位为m)映射至二维图像平面下的点uuvT: 将pXYZT转换为相机坐标系下的坐标p′X′Y′Z′T: 将p′X′Y′Z′T投到归一化平面，得到归一化坐标pcucvc1T:考虑归一化坐标的畸变情况，得到去畸变前的原始坐标pc′uc′vc′1T:根据内参模型，计算像素坐标uuvT其中，f为焦距，单位为 m;fxfy。
2024-11-07 05:13:24
390
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人