weixin_43793960的博客

**SVO半直接视觉里程计 学习与归纳**前段时间在一篇文章中看到了

SVO：深度滤波器的数据融合方法以及深度概率模型推导￭ 深度滤波器depth-filter使用深度滤波器，将最新时刻求得的深度观测值，与上一时刻的深度估计值融合，直到种子点（seed）深度收敛。深度值分布的概率模型可看为高斯-均匀混合分布通过一系列后续帧的测量，我们可以得到的是种子点的深度测量值x1，x2，···，xn，以及每个测量值对应的方差（也就是不确定度）tau^2,不确定度...

基于视觉惯性融合的SVO7月初的时候尝试把IMU作为视觉导航的辅助项，加入到SVO的框架中去，目前已完成基于半直接单目视觉里程计SVO 的 视觉惯性融合 的程序框架搭建。以下围绕 ‘IMU数据以什么样的方式参与视觉系统导航？’、‘IMU可作用于视觉导航的哪些部分？’、‘融合IMU数据可以得到怎样的结果？’几个方面进行讲述。本文仅代表个人观点，并作为工作学习记录，若有错误或者不妥之处欢迎指出！！...

视觉里程计的重定位问题1 ——SVO的重定位部分SVO的重定位功能体现在：运动跟踪丢失后通过与上一关键帧匹配以及地图点投影，找回当前相机位姿。由于没有后端和回环，SVO的重定位并不是回环校正后的那种意义的重定位。代码部分被放在运动跟踪线程里，只有寥寥几行，作用效果十分有限。原文代码部分如下：FrameHandlerMono::UpdateResult FrameHandlerMono::r...