《视觉SLAM十四讲》学习笔记一

最新推荐文章于 2025-04-13 18:18:17 发布
最新推荐文章于 2025-04-13 18:18:17 发布
阅读量1.9k 收藏 7
点赞数
分类专栏： 《视觉SLAM十四讲》学习笔记
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。
本文链接：https://blog.youkuaiyun.com/weixin_42694430/article/details/86177710
版权
本文是《视觉SLAM十四讲》的学习笔记，涵盖了SLAM的基本概念、书本内容概述以及预备知识，包括数学基础、SLAM系统、三维空间运动、线性代数、高斯分布、C++的STL、开发环境和常用命令等。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

此系列学习笔记是针对《视觉SLAM十四讲》的内容进行个人理解性记录，书本地址与书本代码如下：

 书本地址：http://www.broadview.com.cn/book/4938

  书本代码：https://github.com/gaoxiang12/slambook

第一讲：预备知识 

SLAM：（Simultaneous Localization and Mapping ）同时定位与地图构建

            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。

全书内容主要分为两个部分：

1、第一部分为数学基础篇

      第一讲是前言

      第二讲是SLAM系统概述

      第三讲介绍三维空间运动

      第四讲为李群和李代数

      第五讲介绍针孔相机模型以及图像在计算机中的表达

      第六讲介绍非线性优化

2、第二部分为SLAM技术篇

      第七讲为特征点法的视觉里程计

      第八讲为直接法的视觉里程计

      第九讲为视觉里程计的实践章

      第十讲为后端优化

      第十一讲主要讲后端优化中的位姿图

      第十二讲为回环检测 

      第十三讲为地图构建

      第十四讲主要介绍当前的开源SLAM项目以及未来

最低0.47元/天 解锁文章
《视觉SLAM十四讲》学习日志(一)——预备知识
Nikki_o3o的博客
02-09 1106
SLAM简介 :SLAM是 Simultaneous Localization and Mapping 的缩写，中文译作 " 同时定位与地图构建 "。它是指搭载特定传感器的主题，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拟，同时估计自己的运动。如果传感器主要是相机，那就称之为 " 视觉SLAM "。SLAM 的目的是为了解决 " 定位 " 与 " 地图构建 " 这两个问题。也就是说，一边...
视觉SLAM十四讲学习笔记——第九讲 后端优化（1）
weixin_61294345的博客
11-25 2973
经过前端（视觉里程计）估计得到的轨迹和地图由于存在累计误差，在长时间内是不准确的。因此希望构建一个针对全局的更大规模的优化问题，得到最优的轨迹和地图，这里主要有两种解决思路： （1）基于马尔可夫性假设的卡尔曼滤波器：马氏性假设可以简单地理解为“当前时刻状态只与上一时刻有关”。针对SLAM问题（非线性）的卡尔曼滤波器给出了单次线性近似下的最大后验估计，或者说是优化过程中一次迭代的结果。 （2）非线性优化：非线性优化考虑了当前及之前所有时刻的状态，同时优化所有时刻的相机位姿以及各个特征点的空...
《视觉SLAM十四讲》学习笔记
qq_29128985的博客
11-07 3237
《视觉SLAM十四讲》学习笔记 第一讲：添加链接描述 第二讲
视觉SLAM十四讲2nd—学习笔记（一）
最新发布
my blogs include programming, math, physics.回首过去，放眼未来。
04-13 880
刚体运动：如果相机运动是一个刚体运动，则两个坐标系间的运动由一个旋转加一个平移组成。欧拉角：将一个旋转分解为三次绕不同轴的旋转，最常见的是采用偏航-俯仰-滚转描述旋转。注：欧式变换的旋转矩阵有正交性，将其自由度缩减为3，再加上平移向量，共6个自由度。万向锁：如果绕Y轴旋转90度，那么系统丢失一个自由度（绕X轴的旋转）。世界坐标系或惯性坐标系是一个静坐标系，相机坐标系是一个动坐标系。注：行列式为-1的正交矩阵是瑕旋转矩阵（一次旋转加一次反射）。是一个可逆矩阵，左下角为缩放，有上角为平移。
《视觉SLAM十四讲》学习笔记（一）
lsjxxx111的博客
10-24 908
第二讲 初识SLAM（一） SLAM— Simultaneous Localization and Mapping 同时定位与地图构建 2.1 引子及简单介绍 它是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 即使我们知道了物体远近，它们仍然只是一个相对的值。想象我们在看电影时候，虽然能够知道电影场景中哪些物体比另一些大，但我们...
视觉SLAM十四讲笔记
dada19980122的博客
12-20 3645
第二讲 初识SLAM 相机： 以二维投影形式记录三维世界的信息 丢掉了一个维度——距离 三种视觉SLAM中主要的相机： 单目相机：没有深度，必须通过移动相机产生深度（近处物体的像运动快，远处物体的像运动慢） 双目相机：通过两个眼睛的视差计算深度（近处物体差别大，远处物体差别小），计算量很大 RGBD相机：通过物理方法测量深度，知道每个点的深度 主动测量，功耗很大 结构光TOF 深度值比较准确 量程小，易受干扰（很多RGBD用的是红外光，会受太阳光干扰，因此室外还是要用单目和双目，RGBD不太行） 视
视觉SLAM十四讲笔记-1
qq_35588369的博客
04-16 2836
视觉SLAM十四讲笔记-1 参考链接: link link 高翔,张涛,等. 视觉 SLAM 十四讲:从理论到实践[M]. 电子工业出版社, 2019. 第一讲：预备知识 1.1 本书讲什么 SLAM是Simulaneous Localization and Mapping的缩写，“同时定位与地图构建”。 基本定义：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。这里的传感器主要为相机，则为“视觉SLAM”。 目的：解决定位与地图构建两个问题，一遍要估计传感
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 2791
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——第十二讲 建图
weixin_61294345的博客
11-27 4749
SLAM实际上是一种底层技术，往往用来给上层应用提供信息。在前文已实现的部分，我们最多得到的仅是一个稀疏的地图，在需要实现导航、避障、重建等应用时，稀疏地图很难提供足够的信息，需要考虑如何重建稠密地图，即建模所有看到过的部分。 根据使用相机的不同可以分为：“单目稠密重建”和“RGB-D稠密建图”（双目应该和RGBD类似，都可以主动测得或计算出图像深度）。其中RGB-D相机的稠密重建较为简单，最直观、简单的方法就是将RGB-D数据转换为点云地图，再结合相机位姿进行拼接，并对点...
视觉SLAM十四讲学习笔记——第六讲 非线性优化（1）
weixin_61294345的博客
10-22 1227
非线性优化算法在SLAM中主要解决的问题：如何在有噪声的数据中进行准确的状态估计。 1.最小二乘问题引出 首先，将SLAM中的状态估计问题，从概率学的角度分析：已知输入数据u和观测数据z的条件下，求状态x,y的条件概率分布，由贝叶斯法则将条件概率分布表示为“后验概率=似然 * 先验概率”的形式： 此时状态最优估计问题转化为了一个该状态下后验概率最大化（最大后验分布）问题： 要最大化后验概率，也就是要最大化似然和先验概率的乘积，先验概率多数情况...
视觉slam十四讲学习笔记（五）非线性优化
qq_53589322的博客
02-15 1816
1.理解最小二乘法的含义和处理方式。2.理解等下降策略。3.学习Ceres库和g2o库的基本使用方法。视觉SLAM十四讲ch6_哔哩哔哩_bilibili在视觉SLAM（Simultaneous Localization and Mapping，即同时定位与地图构建）中，最大后验估计（Maximum A Posteriori Estimation，MAP）和最大似然估计（Maximum Likelihood Estimation，MLE）是两种常用的参数估计方法。
视觉SLAM十四讲PPT
05-04
精品课程PPT分享，视觉SLAM十四讲配套PPT， 全网唯一资源
《视觉SLAM十四讲》笔记
weixin_45342128的博客
12-22 1986
《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(
《视觉SLAM十四讲》详细笔记
10-10 2026
《视觉SLAM十四讲》笔记摘抄 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 点和向量,坐标系 坐标系间的欧氏变换 变换矩阵与齐次坐标 齐次坐标(Homogeneous Coordinate)的优势 优势1:方便判断是否在直线或平面上 优势2:方便表示线线交点和点点共线 优势3:能够区分向量和点 优势4:能够表达无穷远点 优势5:能够简洁的表
【slam】视觉slam十四讲笔记
Sixyeah的博客
07-26 231
学习slam必备知识及软件。
视觉SLAM十四讲学习笔记
weixin_42751489的博客
12-21 1951
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言第一讲 预备知识1.1 本书讲什么SLAM特点目的相关书籍第二讲 初识SLAM2.1自主运动能力传感器摄像头2.2流程视觉里程计后端优化回环检测建图度量地图拓扑地图2.3 数学表述运动过程的数学表述基本定义运动观测 前言 c 第一讲 预备知识 1.1 本书讲什么 SLAM Simultaneous Localization and Mapping，中文译作“同时定位与地图构建”。 特点 搭载特定传感器的主体; 没有环境先验信
视觉SLAM十四讲笔记（ch1-2）
Ltr_20213962的博客
10-19 559
个人简单理解为，是一种表示拓扑关系、不存在准确距离信息的地图，例如：我家地图是，客厅在中间，周围连着卧室、书房、厨房、卫生间，书房又连着阳台。（OctoMap）、栅格地图（Grid Map）等都属于度量地图，能够从这个地图中获取具体的尺度信息，例如某个点距离某个点多远、XXX障碍物面积有多大。拓扑地图注重表示环境的连接关系，而不是具体的几何细节。稀疏地图例如视觉SLAM建立的特征点地图，是稀疏的，一般多用于自身定位而难以直接导航；场景和成像具有几何关系，近物的像运动快，远物的像运动慢，可推断距离。
视觉slam十四讲笔记
08-13
在《视觉SLAM十四讲》中，章节安排如下： 1. 数学基础部分：介绍这本书的基本信息，包括自测题。概述SLAM系统的组成和各模块的工作。介绍三维空间运动、李群和李代数、针孔相机模型以及非线性优化。完成一个曲线拟合的实验。 2. SLAM技术部分：讲解特征点法的视觉里程计，包括特征点的提取与匹配、对极几何约束的计算、PnP和ICP等方法。学习直接法的视觉里程计，包括光流和直接法的原理，并使用g2o实现一个简单的RGB-D直接法。构建一个视觉里程计框架，解决优化和关键帧选择的问题。深入讨论后端优化，包括Bundle Adjustment和位姿图的优化。介绍回环检测和地图构建的方法。最后，介绍当前的开源SLAM项目和未来的发展方向。 另外，对于四元数的学习，可以先了解复平面的概念。复平面是一个用来描述复数的平面，其中实部和虚部分别对应平面的横坐标和纵坐标。了解复平面后，可以开始学习四元数的概念和应用。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [视觉SLAM十四讲笔记](https://blog.youkuaiyun.com/dada19980122/article/details/111404967)[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^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"] - *2* *3* [【视觉SLAM十四讲】笔记【逐行代码带你解析】【适合纯小白 ps:因为我就是】（持续更新中）](https://blog.youkuaiyun.com/R_ichun/article/details/131964588)[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^v92^chatsearchT0_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

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