ORBSLAM2系列课

最新推荐文章于 2025-04-27 14:17:30 发布
原创 最新推荐文章于 2025-04-27 14:17:30 发布 · 995 阅读 · 7 ·
CC 4.0 BY-SA版权
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。

ORB—SLAM系列课。免费资源：https://www.bilibili.com/video/BV1r741137hM/?spm_id_from=trigger_reload

#视频课程# 更新《ORBSLAM2原理代码详解》系列教程10 视频名称：《ORBSLAM2原理代码详解10-单目初始化中特征匹配角点筛查原理及bug解析》 视频内容：单目初始化中特征匹配时用方向差直方图进行筛选方法，源代码bug错误解析及修正 在线视频地址（已加密）： https://v.youku.com/v_show/id_XNDY5MjA3MDU2OA==.ht... 密码：20200530 时长：25分钟 推荐使用优酷手机客户端，可以免费观看1080p 及蓝光视频 之前的视频课程见 置顶第3条，或者搜索 关键字： 视频课程 或视频教程

                                                                                                                                                     

 

 

#视频课程# 更新《ORBSLAM2原理代码详解》系列教程9 视频名称：《ORBSLAM2原理代码详解9-单目初始化快速特征匹配方法》 视频内容：单目初始化中如何寻找后续匹配特征点，如何筛选错误匹配 在线视频地址（已加密）： https://v.youku.com/v_show/id_XNDY4NjI4NTMyNA==.ht... 密码：20200525 时间：33分钟 优酷客户端可以观看1080p 及蓝光视频，无需购买VIP 之前的视频课程见 置顶第3条，或者搜索 关键字： 视频课程 或视频教程

展开全部

视频课程

 

 

 

 

2020/5/13

#视频课程# 更新《ORBSLAM2原理代码详解》系列教程8 视频名称：《ORBSLAM2原理代码详解8-稀疏双目立体匹配》 视频内容：利用双目图稀疏匹配点来计算三维点深度。分为粗匹配，SAD细匹配，亚像素优化，如何加速计算，如何筛查离群点等工程问题 在线视频地址（已加密）： ORBSLAM2原理代码详解8-稀疏双目立体匹配-教育-高清完整正版视频在线观看-优酷 密码：20200513 时间：25分钟 优酷客户端可以观看1080p 及蓝光视频，无需购买VIP 之前的视频课程见 置顶第3条，或者搜索 关键字： 视频课程 或视频教程

展开全部

视频课程

查看详情

刘国庆、见相非相、Kerwin

觉得很赞

小六

2020/5/9

#视频课程# 更新《ORBSLAM2原理代码详解》系列教程7 视频名称：《ORBSLAM2原理代码详解7-去畸变算图像边界划分网格》 视频内容：去畸变，网格划分等 在线视频地址（已加密）： https://v.youku.com/v_show/id_XNDY2NTUzMDAwMA==.ht...

JeffFFFst
关注
SLAM_汇总 | 视觉/激光/多传感器融合SLAM重点知识点
惊鸿一博
05-15 2916
以下链接来自于 计算机视觉life 从零开始学习SLAM 知识星球 参考：https://wx.zsxq.com/dweb2/index/topic_detail/215522528158181 传感器使用及标定 T265 D435 相机标定https://t.zsxq.com/FYz3zjm 双目标定问题 https://t.zsxq.com/myRby7e 相机选择方法 https://t.zsxq.com/7QjmIQR ros修改相机分辨率方法 https://t.zsxq.com/iy
VSLAM系列原创09讲 | 如何在线生成BoW词袋向量？原理+代码详解
计算机视觉life
04-13 770
点击上方“计算机视觉life”，选择“星标”快速获得最新干货本文系ORB-SLAM2原理+代码实战系列原创文章，对应的视频课程见：ORB-SLAM2总共60讲已经全部上线可观看！大家好，今天我们继续更新ORB-SLAM2/3系列的原创文章，以小白和师兄对话的形式阐述背景原理+代码解析，喜欢的点个赞分享，支持的人越多，更新越有动力！如有错误欢迎留言指正！代码注释地址：https://github.com/electech6/ORB_SLAM2_detailed_commentsVSLAM系列原创01讲 | 深
ORB_SLAM2.tar.gz
06-25
Linux系统，需要安装如下依赖库： #####Library dependencies 1：Pangolin (visualization and user interface)**. [MIT license](https://en.wikipedia.org/wiki/MIT_License). 2：OpenCV**. BSD license. 3：Eigen3**. For versions greater than 3.1.1 is MPL2, earlier versions are LGPLv3. 4（如果只做数据集的实验可以不用安装ROS）：ROS (Optional, only if you build Examples/ROS)**. BSD license. In the manifest.xml the only declared package dependencies are roscpp, tf, sensor_msgs, image_transport, cv_bridge, which are all BSD licensed.
ORB_SLAM2_Android, 在Android中，一个 ORB_SLAM2.zip
09-18
ORB_SLAM2_Android, 在Android中，一个 ORB_SLAM2 这里项目的为这个项目是基于Raul的mur artal项目的ORB_SLAM2版本的Android版本： ORB_SLAM2 。作者：英镑如果有人想只对它进行一次测试，请按以下步骤操作： ORB_SLAM2_Android_APK
ORB-SLAM2源码中文详解.pdf
08-17
东北大学吴博讲解ORB_SLAM的文档，仅有文档。
ORB-SLAM2: an Open-Source SLAM System for Monocular, Stereo and RGB-D Cameras
zhashuiguangzi的专栏
09-30 2417
https://www.sohu.com/a/154011668_715754   泡泡机器人翻译作品 原文：ORB-SLAM2: an Open-Source SLAM System for Monocular, Stereo and RGB-D Cameras 作者：Raúl Mur-Artal and Juan D. Tardós 摘要 ORB-SLAM2是基于单目，双目和R...
ORB-SLAM2初步（源码逻辑分析）
weixin_30509393的博客
05-16 208
今天主要是梳理一下ORB-SLAM2源码的逻辑关系，GitHub和泡泡机器人上有很好的注释版本（吴博），大神请（轻）板砖。 一、文件 如图所示，Examples里面存放的分别是基于单目、双目、RGBD的实例程序，一般都是基于TUM等数据库，还有一个ROS版本的ORB-SLAM2，以及一个应用与AR的Demo程序； include文件夹存放的是头文件，ORB-SLAM2可以被当作一...
orbslam3课程
03-26
from orbslam3 import System, Setting # 初始化设置文件路径 vocab_path = "./Vocabulary/ORBvoc.txt" settings_file = "./Examples/Monocular/mall.yaml" # 创建SLAM系统实例 slam_system = System(vocab_path, ...
ORB-SLAM2 + windows + usb摄像头 项目实战（一）
热门推荐
arappeng的博客
04-21 1万+
前言：本博客是博主本科毕业设计时的学习、探索与总结系列博客第一篇。主要是介绍了ORB-SLAM2项目的相关背景功能以及代码学习资源，并且说明了一下这次博客的目的。其中，开发环境为VS2017 + C++，其中难免有很多不足与疏漏之处，还望不吝赐教。 系列博客 ORB-SLAM2 + windows + usb摄像头 项目实战（二） 目录 一、ORB-SLAM2 项目背景简介：...
SLAM技术：从原理到应用的全面解析
最新发布
GeekDongHuang的博客
04-27 1049
SLAM，即同时定位与地图构建技术，它是机器人在未知环境中从未知地点出发，在运动过程里通过不断观测环境特征来确定自身位置和姿态，进而构建周围环境的增量式地图，达成同时定位与地图构建的目标。这一技术解决了机器人在未知环境探索时的两大核心问题：“我在哪儿？”和“我周围是什么？”，是实现全自主移动机器人的关键所在。定位与建图之间存在着紧密的相互促进关系。准确的定位是构建精确地图的基础，只有明确自身位置，才能将观测到的环境信息准确地添加到地图中。
ORB_SLAM2代码注释原理解析
05-08
ORB_SLAM2 特征法SLAM 单目 双目 RGBD * ORB主要借鉴了PTAM的思想，借鉴的工作主要有 * Rubble的ORB特征点； * DBow2的place recognition用于闭环检测； * Strasdat的闭环矫正和covisibility graph思想； * 以及Kuemmerle和Grisetti的g2o用于优化。
orbslam2
wyc的博客
01-02 4255
orb_slam2 文章目录orb_slam2abstractintroduction相关工作双目SLAMRGBD SLAMORBSLAM2单目、近处双目和远处双目特征点系统引导使用单目或者双目的BA优化回环检测和全局BA关键帧的插入定位模式评估KITTI数据集EuRoC 数据集TUM RGB-D数据集计时结果结论 abstract ORB-SLAM2是一个完整的slam系统，包括单眼、双眼和RG...
ORBSLAM2
天空中的太阳和月
11-14 523
人脸识别技术 https://github.com/ageitgey/face_recognition 狗识别 https://github.com/Joeseph5/CNN-Dog-and-Human-Recognition
【代码阅读】ORBSLAM2
博客标题不能为空我也没办法
07-30 1577
ORBSLAM2源代码阅读记录，根据程序运行顺序整理了代码的实现细节
第9周课件-全网最详细的ORB-SLAM2精讲
努力努力努力
03-19 461
目录 本周课程重点： 1 共视图 本质图 拓展树原理 1.1 关键帧、共视图、扩展树、本质图的区别 1.2 共视图 （Covisibility Graph） 1.3 本质图（Essential Graph） 1.4 扩展树（spanning tree） 1.5 essential graph 和 full BA 结果对比 1.6计算Sim3函数ComputeSim3 2 全网最详细的EPnP 算法原理详解 2.1 背景介绍 2.2 算法的优点： 2.3 控制点如何选取？ 2..
ORB-SLAM2课程介绍 及 论文详解--总结自《全网最详细的ORB-SLAM2课程》
Matchsticklala的博客
04-19 3885
ORB-SLAM2课程介绍 及 论文详解 https://appafc4omci9700.h5.xiaoeknow.com/v1/course/video/v_604dce0ae4b0e51d821de16c?feature=&is_redirect=1&share_from=u_60605fd13b251_jsBsAc9HF0&type=2一、ORB-SLAM2框架1. 三个线程：TRACKING跟踪、LOCAL MAPPING局部建图、LOOP CLOSING闭环。· TRAC
第7周课件-全网最详细的ORB-SLAM2精讲
努力努力努力
02-20 642
本课件是公众号 计算机视觉life旗下课程《全网最详细的ORB-SLAM2精讲：原理推导+逐行代码分析》（点击可跳转课程详情）的课程课件。谢谢各位学员的支持！ 本课程对应的注释代码：https://github.com/electech6/ORBSLAM2_detailed_comments由于源码注释和课件在持续更新，所以： 如视频课程中注释与上述GitHub中有不同，以GitHub上最新源码为准。 如视频课程中课件与本课件不同，以本课件为准。 目录 1 理解共视...
第10周课件-全网最详细的ORB-SLAM2精讲
努力努力努力
03-19 385
本周课程重点： 1. 理解Sim3的原理（重要），能看懂推导过程。 2. 掌握Sim3代码（重要）。 全网最详细的SIM3 算法原理详解 什么是SIM3变换？ Sim3 (Similarity Transformation)的提出就是为了解决两个坐标系之间的相似变换问题，只要我们能 得到3对匹配好的不共线的三维点在两个坐标系下的坐标，我们就能解出Sim3相似变换。这个也是Sim3 中数字3的来源。计算Sim3 实际就是计算这三个参数：旋转R、平移t、尺度因子s。 为什么三..
第8周课件-全网最详细的ORB-SLAM2精讲
努力努力努力
03-18 423
本周课程重点： 1. 掌握Sim3优化位姿的原理（尤其是顶点边的定义等）与代码（重要）。 2. 理解闭环矫正调整位姿和地图点的原理。 闭环检测线程 Sim3搜索匹配SearchBySim3 EdgeSE3ProjectXYZ 误差计算 EdgeSim3ProjectXYZ 的误差计算 EdgeInverseSim3ProjectXYZ 的误差计算 ComputeSim3计算Sim3 闭环矫正 CorrectLoop 1、闭环检测线程 ，Sim3搜索匹...
orbslam系列
03-28
<think>好的，我需要回答用户关于ORB-SLAM系列的原理、实现方式和应用场景的问题。首先，我应该回顾ORB-SLAM的基本信息，包括它的各个版本（ORB-SLAM、ORB-SLAM2、ORB-SLAM3）的特点和改进。用户提到的引用中提到了ORB-SLAM2和ORB-SLAM3的环境配置以及一些应用场景，比如机器人顶刊中的物体级SLAM框架和AR应用，这些可以作为参考。 接下来，我需要整理ORB-SLAM的核心原理，比如特征点提取（ORB特征）、系统架构（跟踪、建图、回环检测）等。同时，实现方式部分需要涵盖系统模块、多平台支持、多传感器融合（如单目、双目、RGB-D）以及优化方法（如光束法平差）。应用场景方面，可以包括机器人导航、AR/VR、自动驾驶和无人机等领域，这些在引用中有所提及，比如AR的沉浸式体验和机器人应用。 另外，用户要求生成相关问题，我需要根据内容提出几个相关问题，比如算法优化、实时性处理、不同版本差异以及与其他SLAM系统的比较。需要确保问题与回答内容相关，能够引导进一步学习。 需要检查引用是否正确，比如引用[2]提到的物体级SLAM框架和AR应用，引用[1]中的环境配置，这些需要正确对应到回答中的相关内容。同时，要确保使用正确的LaTeX格式，行内公式用$...$，独立公式用$$...$$，但根据用户的问题，可能数学公式较少，不过如果有相关术语或方程需要表达时要注意格式。 最后，保持回答结构清晰，分点说明，语言简洁，符合用户要求的中文回答，并确保引用标识自然添加在相关段落末尾。</think>### ORB-SLAM系列原理、实现与应用场景 #### 一、核心原理 ORB-SLAM系列是基于特征点的视觉SLAM（Simultaneous Localization and Mapping）算法，其核心思想是通过摄像头实时定位自身位置并构建环境地图。关键原理如下： 1. **ORB特征提取**：使用$FAST$角点检测和$BRIEF$描述子，实现快速且鲁棒的特征匹配[^1]。 2. **多模块协同**：系统分为跟踪（Tracking）、局部建图（Local Mapping）、回环检测（Loop Closing）三个线程，通过并行处理提升效率。 3. **图优化框架**：基于$g2o$库优化位姿和地图点，最小化重投影误差，数学模型表示为： $$ \min_{\mathbf{T}, \mathbf{X}} \sum_{i,j} \| \pi(\mathbf{T}_i \mathbf{X}_j) - \mathbf{x}_{ij} \|^2 $$ 其中$\mathbf{T}_i$为相机位姿，$\mathbf{X}_j$为3D地图点，$\pi$为投影函数[^2]。 #### 二、实现方式 1. **系统模块** - **跟踪线程**：实时计算相机位姿（$SE(3)$流形），结合运动模型与BA优化。 - **局部建图**：插入关键帧并三角化新地图点，使用局部BA优化地图。 - **回环检测**：基于词袋模型（DBoW2）识别场景，进行位姿图优化修正漂移。 2. **多平台支持** ORB-SLAM2支持单目、双目和RGB-D相机，ORB-SLAM3进一步加入IMU融合，适应动态场景[^1]。 3. **代码实现特性** ```cpp // 关键帧插入逻辑（ORB-SLAM2核心代码片段） void Tracking::NeedNewKeyFrame() { if (mbOnlyTracking) return false; if (mnMatchesInliers < 0.5*mnTrackedKeyPoints) return true; // 跟踪点不足时创建 // 通过时间间隔与地图点覆盖率判断 } ``` #### 三、应用场景 1. **机器人导航** 在室内服务机器人中实现厘米级定位精度，结合激光雷达点云增强鲁棒性[^3]。 2. **增强现实（AR）** 基于稀疏地图实现虚拟物体的大范围稳定叠加（如宜家AR家具应用），相比传统二维码方案跟踪范围扩大10倍以上[^2]。 3. **无人机自主飞行** 搭载NX板载计算机的无人机，在GPS拒止环境下实现5m/s速度的实时避障。 4. **自动驾驶** 与LiDAR融合构建高精度语义地图，支持复杂城市道路的场景理解。 ####
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