SLAM基础积累 - 随笔分类 - Jessica&jie

摘要：link 欧氏距离标准化欧氏距离马氏距离夹角余弦距离汉明距离曼哈顿(Manhattan)距离阅读全文

posted @ 2018-06-25 11:50 Jessica&jie 阅读(2179) 评论(0) 推荐(0) 编辑

sliding window："Marginalization"，"Schur complement"，"First estimate jacobin"

摘要：[1]知行合一2 SLAM中的marginalization 和 Schur complement SLAM的Bundle Adjustment上，随着时间的推移，路标特征点(landmark)和相机的位姿pose越来越多，BA的计算量随着变量的增加而增加，即使BA的H矩阵是稀疏的，也吃不消。因此，阅读全文

posted @ 2018-06-05 11:43 Jessica&jie 阅读(1959) 评论(0) 推荐(0) 编辑

机器学习中的线性代数之矩阵求导

摘要：机器学习中的线性代数之矩阵求导机器学习中常用的矩阵求导公式阅读全文

posted @ 2018-06-04 11:40 Jessica&jie 阅读(901) 评论(0) 推荐(0) 编辑

IMU

摘要：（1）用IMU来进行预测读入一个10/20帧的数据集，通过IMU来初步预测出位姿以及显示其路径。 Christian Forster, Luca Carlone, Frank Dellaert, Davide Scaramuzza, "IMU Preintegration on Manifold 阅读全文

posted @ 2018-04-16 21:42 Jessica&jie 阅读(1781) 评论(0) 推荐(0) 编辑

灰度梯度

摘要：1.灰度用黑色为基准色，不同的饱和度的黑色来显示图像。每个灰度对象都具有从 0%（白色）到100%（黑色）的亮度值。使用黑白或灰度扫描仪生成的图像通常以灰度显示。与像素的关系：一般，像素值量化后用一个字节（8b）来表示。如把有黑-灰-白连续变化的灰度值量化为256个灰度级，灰度值的范围为0~ 阅读全文

posted @ 2018-04-16 15:57 Jessica&jie 阅读(3272) 评论(0) 推荐(0) 编辑

贝叶斯---最大似然估计（高翔slam---第六讲）

摘要：1.贝叶斯最大似然估计回顾一下第二讲的经典SLAM模型：通过传感器（例如IMU）的运动参数u来估计运动(位姿x)[定位]，通过相机的照片的观测参数z来估计物体的位置(地图y)[建图]，都是有噪声的。因为运动参数和照片都有噪声，所以需要进行优化。而过去卡尔曼滤波只关心当前的状态估计，而非线性优化阅读全文

posted @ 2018-04-15 11:18 Jessica&jie 阅读(2373) 评论(0) 推荐(0) 编辑

视觉和imu融合的算法研究

摘要：融合方式概述同SLAM发展过程类似，视觉融合IMU问题也可以分成基于滤波和基于优化两大类。同时按照是否把图像特征信息加入状态向量来进行分类，可以分为松耦合和紧耦合两大类。一.基于滤波的融合算法 1.1 松耦合松耦合将视觉传感器和 IMU 作为两个单独的模块，两个模块均可以计算得到位姿信息，然阅读全文

posted @ 2018-04-11 10:09 Jessica&jie 阅读(6010) 评论(0) 推荐(0) 编辑

特征点匹配+特征检测方法汇总

摘要：特征提取与匹配 SURF；SIFT；ORB；FAST；Harris角点匹配方法匹配函数 1. OpenCV提供了两种Matching方式：一般，点集1称为 train set （训练集）的对应模板图像，点集2称为 query set（查询集）的对应查找模板图的目标图像。为了提高检测速度，你可阅读全文

posted @ 2018-03-22 11:20 Jessica&jie 阅读(49314) 评论(3) 推荐(5) 编辑

亚像素Sub Pixel

摘要：亚像素Sub Pixel 评估图像处理算法时，通常会考虑是否具有亚像素精度。亚像素概念的引出：图像处理过程中，提高检测方法的精度一般有两种方式:一种是提高图像系统的光学放大倍数和CCD相机的分辨率能力；另一种是引入亚像素细分技术来弥补硬件的不足以提高图像系统的分辨率。如使用亚像素细分技术将精度阅读全文

posted @ 2018-03-08 17:09 Jessica&jie 阅读(11379) 评论(0) 推荐(2) 编辑

对极几何

摘要：单目SLAM一般处理流程包括track和map两部分。所谓的track是用来估计相机的位姿。而map部分就是计算pixel的深度，如果相机的位姿有了，就可以通过三角法(triangulation)确定pixel的深度，把这些计算好深度的pixel放到map里就重建出了三维环境。 http://blo 阅读全文

posted @ 2017-12-22 11:54 Jessica&jie 阅读(4366) 评论(2) 推荐(0) 编辑

贝叶斯理论基础理解

摘要：从贝叶斯方法谈到贝叶斯网络： http://blog.csdn.net/zdy0_2004/article/details/41096141 1 思考模式比如往台球桌上扔一个球，这个球落会落在何处呢？如果是不偏不倚的把球抛出去，那么此球落在台球桌上的任一位置都有着相同的机会，即球落在台球桌上某一位阅读全文

posted @ 2017-12-21 22:13 Jessica&jie 阅读(2122) 评论(0) 推荐(0) 编辑

图像几何变换（缩放、旋转）中的插值算法

摘要：图像几何变换（缩放、旋转）中的插值算法：最临近、双线性和三次卷积法图像几何变换（缩放、旋转）中的插值算法：最临近、双线性和三次卷积法双线性插值举例：已知的红色数据点与待插值得到的绿色点。假如我们想得到未知函数f在点P= (x,y) 的值，假设我们已知函数f在Q11 = (x1,y1)、阅读全文

posted @ 2017-12-01 19:17 Jessica&jie 阅读(1859) 评论(0) 推荐(0) 编辑

Lucas-Kanade 20 Years On: A Unifying Framework

摘要：Reference ： Lucas-Kanade 20 Years On: A Unifying Framework 对原文进行了简单翻译 Abstract. 由于Lucas Kanade算法在1981年图像对准时提出，已经成为在计算机视觉中最常用的技术。应用范围从光流跟踪到分层运动，拼接技术和面部阅读全文

posted @ 2017-11-21 11:52 Jessica&jie 阅读(680) 评论(0) 推荐(0) 编辑

金字塔

摘要：金字塔介绍 http://blog.csdn.net/touch_dream/article/details/62419496 http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/pyramids/pyramids. 阅读全文

posted @ 2017-11-19 11:57 Jessica&jie 阅读(1713) 评论(0) 推荐(1) 编辑

视觉slam十四讲

摘要：对这个的学习一直都在，感觉到了这本书很强大呀！！！ ch2 安装ubuntu；安装kdevelop。 ch3 安装eigen3 几何模块；安装Pangolin可视化。 ch4 安装Sophus eigen的扩展，包换李群、李代数。 ch5 安装opencv 3.1.0 ；安装 PCL点云库。 ch6 阅读全文

posted @ 2017-10-30 22:14 Jessica&jie 阅读(1661) 评论(1) 推荐(0) 编辑

数据集

摘要：慕尼黑工业大学（TUM）提供的RGB-D数据集：https://vision.in.tum.de/data/datasets/rgbd-dataset/download 阅读全文

posted @ 2017-10-30 20:29 Jessica&jie 阅读(286) 评论(0) 推荐(0) 编辑

齐次坐标

摘要：齐次坐标就是将一个原本是n维的向量用一个n+1维向量来表示。二维点(x,y)的齐次坐标表示为(hx,hy,h)。由此可以看出，一个向量的齐次表示是不唯一的，齐次坐标的h取不同的值都表示的是同一个点，比如齐次坐标(8,4,2)、(4,2,1)表示的都是二维点(4,2)。给出点的齐次表达式[X Y 阅读全文

posted @ 2017-10-27 22:18 Jessica&jie 阅读(2210) 评论(0) 推荐(0) 编辑

最小二乘解法

摘要：（一）线性最小二乘（线性方程组的求解方法） http://www.cnblogs.com/leexiaoming/p/7224781.html 主要包括以下内容： [1]最小二乘问题的定义 [2]非其次方程(Ax=b)求解方法：正规方程求解乔姆斯基分解法求解 QR分解法求解奇异值分解法求解（S 阅读全文

posted @ 2017-10-27 11:51 Jessica&jie 阅读(3304) 评论(0) 推荐(1) 编辑

Bundle Adjustment---即最小化重投影误差（高翔slam---第七讲）

摘要：一.历史由来 Adjustment computation最早是由geodesy的人搞出来的。19世纪中期的时候，geodetics的学者就开始研究large scale triangulations（大型三角剖分）了。20世纪中期，随着camera和computer的出现，photogrammet 阅读全文

posted @ 2017-10-26 22:14 Jessica&jie 阅读(45181) 评论(2) 推荐(7) 编辑

三角化---深度滤波器---单目稠密重建（高翔slam---十三讲）

摘要：一.三角化【1】三角化得到空间点的三维信息(深度值) (1)三角化的提出三角化最早由高斯提出，并应用于测量学中。简单来讲就是：在不同的位置观测同一个三维点P(x, y, z)，已知在不同位置处观察到的三维点的二维投影点X1(x1, y1), X2(x2, y2)，利用三角关系，恢复出三维点的深度阅读全文

posted @ 2017-10-25 18:11 Jessica&jie 阅读(6900) 评论(0) 推荐(1) 编辑

随笔分类 - SLAM基础积累