《视觉SLAM十四讲》第五讲ch5实验错误总结

本文详细介绍了OpenCV 3.4.15版本在Ubuntu系统的安装过程,包括解决依赖库安装错误的方法,并提供了图像处理、图像去畸变及3D视觉等应用实例的配置与实现步骤。

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

一、安装OpenCV(书P108页)

        1、安装依赖项:

        按照书中代码安装依赖项时,出现三个库报错。查阅资料后,将正确的安装步骤整理如下:

        打开终端依次输入:

sudo apt-get install build-essential

sudo apt-get install libgtk2.0-dev

sudo apt-get install libvtk6-dev

sudo apt-get install libjpeg-dev

sudo apt-get install libtiff5-dev

sudo apt-get install libjasper-dev

        此处报错:errorE: unable to locate libjasper-dev。

        大概原因是缺少libjasper-dev的一个依赖包。解决方法:

sudo add-apt-repository "deb http://security.ubuntu.com/ubuntu xenial-security main"

sudo apt update

sudo apt install libjasper1 libjasper-dev

        继续安装依赖项:

sudo apt-get install libopenexr-dev

sudo apt-get install libtbb-dev

2、安装OpenCV库

        3.1.0版本的OpenCV我安装不上,转而下载3.4.15版本。点击sources下载压缩包:

         点开相应文件夹。解压:

unzip opencv-3.4.15.zip

        编译安装:

cd opencv-3.4.15

mkdir build && cd build

cmake ..

make -j4

sudo make install

二、操作OpenCV图像(P109)

        修改imageBasics下的CMakeLists文件代码:

# 添加C++标准支持
set( CMAKE_CXX_FLAGS "-std=c++11")

project(imageBasics)

# 寻找OpenCV库
find_package( OpenCV REQUIRED)

# 添加头文件
include_directories(${OpenCV_INCLUDE_DIRS})

add_executable(imageBasics imageBasics.cpp)
# 链接OpenCV库
target_link_libraries(imageBasics ${OpenCV_LIBS})

add_executable(undistortImage undistortImage.cpp)
# 链接OpenCV库
target_link_libraries(undistortImage ${OpenCV_LIBS})

        make完成后,在build终端里执行命令

./imageBasics  ../ubuntu.png

        若上述相对文件路径执行失败,使用绝对路径,红色字体替换成ubuntu.png的绝对路径(可通过属性进行复制).

./imageBasics home/......../ubuntu.png

        运行成功:

三、图像去畸变(P112)

        在文件undistortImage.cpp中将文件路径修改正确即可:

string image_file = "/home/andyvictory/slambook2/ch5/imageBasics/distorted.png";   // 请确保路径正确

四、3D视觉(P113)

        1、双目视觉

        在文件stereoVision.cpp中将文件路径修改正确:(应该是在代码11-13行)

// 文件路径

string left_file = "/home/andyvictory/slambook2/ch5/stereo/left.png";

string right_file = "/home/andyvictory/slambook2/ch5/stereo/right.png";

        修改CMakeLists文件如下:

find_package(Pangolin REQUIRED)

#链接OpenCV库
find_package(OpenCV REQUIRED)
include_directories(${OpenCV_INCLUDE_DIRS})

add_executable(stereoVision stereoVision.cpp)
target_link_libraries(stereoVision ${OpenCV_LIBS} ${Pangolin_LIBRARIES})

        编译运行即可。

        如若出现报错:

Failed to load module "canberra-gtk-module"

        在终端输入:

sudo apt-get install libcanberra-gtk-module

        2、RGB-D视觉

        修改CMakeLists文件如下:

find_package(Sophus REQUIRED)
include_directories(${Sophus_INCLUDE_DIRS})

find_package( OpenCV 3.4.16 REQUIRED )  //这一步根据自己的版本来写
find_package(Pangolin REQUIRED)

add_executable(joinMap joinMap.cpp)
target_link_libraries(joinMap ${OpenCV_LIBS} ${Pangolin_LIBRARIES} ${Sophus_INCLUDE_DIRS} fmt)

        这一步主要是添加寻找OpenCV库和链接fmt库。

        修改joinMap.cpp文件,修改21行(若行号不对请自行寻找)为:

ifstream fin("../pose.txt");

        修改28行(若行号不对请自行寻找)为:

boost::format fmt("../%s/%d.%s");   //图像文件格式

        编译运行成功:

### 关于视觉SLAM第六章的问题解答 #### 6.1 多视图几何基础 多视图几何是理解多个相机视角之间关系的关键理论框架。对于两个或更多图像之间的特征匹配,本质矩阵和基本矩阵起着至关重要的作用[^1]。 #### 6.2 特征检测与描述子 为了实现鲁棒的跟踪效果,在不同帧间提取稳定且独特的局部特征至关重要。SIFT、SURF以及ORB等算法被广泛应用于这一领域。这些方法不仅能够识别关键点位置,还能计算出对应的描述向量用于后续匹配过程中的相似度比较[^2]。 #### 6.3 基于滤波器的状态估计 扩展卡尔曼滤波(EKF) 和粒子滤波(PF) 是两种常用的方法来处理带有噪声观测数据下的状态预测问题。EKF通过线性化近似非线性模型;而PF则利用大量样本表示概率分布从而更好地适应复杂环境变化。 #### 6.4 Bundle Adjustment优化 捆绑调整是一种全局性的参数求解策略,旨在最小化重投影误差以获得更精确的地图构建结果。此过程中涉及到对所有已知三维点及其对应二维像平面坐标的联合优化操作[^3]。 ```python import numpy as np from scipy.optimize import least_squares def bundle_adjustment(object_points, image_points, camera_matrix): """ Perform bundle adjustment optimization. Parameters: object_points : array_like 3D points in world coordinates. image_points : array_like Corresponding 2D projections on images. camera_matrix : matrix Camera intrinsic parameters. Returns: optimized_params : ndarray Optimized extrinsics and intrinsics after BA process. """ # Define residual function here... residuals = lambda params: compute_residuals(params, object_points, image_points, camera_matrix) initial_guess = ... # Initialize with current estimates result = least_squares(residuals, initial_guess) return result.x ```
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

打赏作者

AndyVictory

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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