lky小怪兽

摘要： 光流的计算 光流估计就是指利用时间上相邻的两帧图像，得到点的运动。满足以下几点假设： 前后两帧点的位移不大（泰勒展开） 外界光强保持恒定。 空间相关性，每个点的运动和他们的邻居相似（连续函数，泰勒展开） 在相邻的两帧图像中，点(x,y)发生了位移(u,v)，那么移动前后两点的亮度应该是相等的。如下： 阅读全文

摘要： 编译运行dvs-panotracking > 编译dvs-panotracking之前首先需要安装imageutilities . 源码下载 https://github.com/VLOGroup/imageutilities.git . 安装CUDA 8.0，下载地址 https://develo 阅读全文

摘要： 鲁棒性问题：数据关联是影响系统鲁棒性的主要原因 短期内的数据关联是最容易处理的，新的研究方向包括特征提取、线特征等。 对于前端的环闭合检测，检测当前测量中的特征并试图将它们与所有先前检测到的特征匹配的暴力方法并不切实际。通过词袋模型可以量化特征空间并进行有效的搜索来避免这种难题。词袋模型可以设计成层 阅读全文

摘要： 单目相机IMU标定 该论文将相机IMU标定分为两个大方面： 一. 使用基函数来估计时间偏差 二. 相机和IMU的空间位置转换 校准变量：重力、外参旋转和平移、时钟偏移、IMU位姿、加速度计偏置、陀螺仪偏置。 校准过程： (1) 校准前有如下假设： a. 相机内参已知 b. IMU噪声和偏置模型已知 阅读全文

摘要： 初始化时需要求出的变量：相机和imu外参r t、重力g、尺度s、陀螺仪和加速度计偏置ba bg。 下面对两种算法初始化的详细步骤进行对比： 求陀螺仪偏置bg 求解公式相同，求解方法不同。公式如下，VI ORB-SLAM使用图优化的方式。 Vector3d Optimizer::OptimizeIni 阅读全文

摘要： 1. 研究背景及相关工作 1)研究背景 单目视觉惯性slam是一种旨在跟踪移动平台的增量运动并使用来自单个车载摄像头和imu传感器的测量结果同时构建周围环境地图的技术。视觉相机和惯性测量单元(imu)是slam技术的理想选择，因为这两种传感器模式尺寸小，价格便宜，功耗低，并且可以相互补充。视觉传感器 阅读全文

摘要： 1. 第一步初始化imu外参(可以从参数文档中读取，也可以计算出)，VINS中处理如下： 2. 在优化中，每来一帧则对外参更新一次 该残差块为视觉模型计算重投影误差 Vision Model 空间上的一个3D特征点会被camera多次观测到，jth 图像帧的camera的残差值被定义为，考虑lth 阅读全文

摘要： 无论单目、双目还是RGB-D，首先是将从摄像头或者数据集中读入的图像封装成Frame类型对象： 首先都需要将彩色图像处理成灰度图像，继而将图片封装成帧。 (1) 单目 下面详细介绍一下单目创建帧的过程，首先来看Frame的数据结构，它有三个构造函数，分别对应单目、双目和RGB-D相机，重要的成员变量 阅读全文

摘要： 这里从单目入手，画了一个框架图： 阅读全文

摘要： 查看网卡类型 http://blog.csdn.net/eddy_liu/article/details/6578819 qii@ubuntu:~$ lspci | grep -i net 03:00.0 Ethernet controller: Realtek Semiconductor Co., 阅读全文