Xuesengxinyi的博客

SYSTEM OVERVIEW A. Feature Choice 写到这里，感觉自己写成了论文翻译，哈哈，惭愧，惭愧！ 我们的系统的主要思想之一是被用来tracking and mapping 的特征同样可以被用来place recognition以执行帧速率重定位和回环检测。这使得我们的系统高效并且避免了从近SLAM特征中插入识别特征的深度值。我们需要提取每个图像少于33ms的提取功能，...

编译ROS版本的ORBSLAM2_with_pointcloud_map参考的https://github.com/ZhenghuaHIT/orbslam2_modified_ros#1-download--install-project 修改了ROS下的CMakeLists。 首先进入到ORB_SLAM2_modified/Examples/ROS/ORB_SLAM2/文件夹下， 顺序执行...

1. 首先从github上下载代码 git clone https://github.com/gaoxiang12/ORBSLAM2_with_pointcloud_map.git 2.执行解压命令 unzip orbslam2_modified.zip 解压命令后出现是否替换选项我选的A 3. 由于eigen库，opencv库，Pangolin库都已装好，所以接下来直接到...

LOCAL MAPPING 这部分我们将介绍对于每一个新的关键帧执行局部建图的步骤. A. KeyFrame Insertion 首先，我们更新共视图，为添加一个新节点，并更新来自于共享地图点与其他关键帧产生的边。然后，我们将更新与共享大多数共同点的关键帧相关联的生成树。然后我们计算关键帧的词袋表示，这将有助数据关联三角测量新点。 B. Recent Map Points Culling ...

RELATED WORK A. Place Recognition Williams对比了许多种 place recongnition 方法并得出结论matching in large environment image-to-image better than map-to-map and image-to-map。基于外观的方法中，bags of words技术，例如概率方法FAB-MAP...

  摘要：单目，实时，室内室外，动态杂乱环境足够鲁棒。同样的特征输入，对于tracking,mapping,relocalization and loop closing. Bundle adjustment 对相机定位和稀疏几何重建提供了精确的评估，强的初始匹配和好的初始猜测。但一直以来的难点是不能实时，本文将介绍在非约束条件下，实时的SLAM算法，BA必须满足以下条件： 对所选帧（关键帧...

TRACKING A. ORB Extraction 我们在八个尺度上提取FAST角点（尺度因子为1.2）。图像的分辨率从512x384到752x480个像素，我们发现提取1000个角点都是适合的，对于更高的分辨率，像在KITTI上分辨率为1241x376，我们提取2000个角点。为了确保均匀分布，我们将每个比例级别划分为网格，尝试每个单元格提取至少5个角点。然后我们在每个单元格中检测角点。如...

LOOP CLOSING 闭环检测线程对于，即局部建图处理的最后一个关键帧，并尝试检测和关闭循环。 接下来描述这些步骤： A. Loop Candidates Detection 首先，我们在共视图中计算的词袋向量和其所有邻居之间的相似性（= 30）并保留最低得分。然后我们查询识别数据库并丢弃其得分低于的所有关键帧。这与前一个图像被计算获得鲁棒性作为DBoW2中的标准化分数是一个类似的操作，...

AUTOMATIC MAP INITIALIZATION 地图初始化的目标是计算两帧之间的相对位姿，以对一组初始地图点进行三角测量。此方法应独立于场景（平面或一般），并且不需要人为干预以选择良好的双视图配置，即具有显着视差的配置。我们提出并行计算两个几何模型，假设平面场景的单应性和假定非平面场景的基本矩阵。然后，我们使用启发式方法选择模型，并尝试使用特定模型的特定方法恢复相对位姿。我们的方法检测...

1.error building g2o_with_orbslam2: ‘MatrixExponential’ is not a member of ‘Eigen’ install another version of eigen will solve this problem. http://eigen.tuxfamily.org/index.php?title=News:Eigen_3...