摘要： 现在的地图只是各帧特征点的集合。创建地图：局部，全局。局部：只相机位置附近的特征点，用来和当前帧匹配求解相机位置的。全局：不定位，回环检测和地图表达。重点或麻烦：维护局部地图的规模。为了实时，保证地图规模不能太大。1.修改地图点类MapPoint增加变量和函数形式。1.1类 变量倒也简单。两个id, 阅读全文

摘要： 一、KF 1.从概率来理解概率估计因为希望整个运动估计较长时间内最优，所以反而会用最新的知识去更新之前的状态，就比如在做完当前帧的位姿估计的时候，修改局部地图的路标点。如果站在之前的状态上来考虑，用的是未来的信息。所以不仅用过去的信息估计现在的状态，也用未来的信息更新自己。因为自己站在一个中间的时间 阅读全文

摘要： 问题1：位姿估计用的ransac,只用了几个点，如果3d_2d点存在噪声，不行。优化：把这值当做初值，用非线性优化问题2：深度图有误差，深度过近或过远不行，有误差。而特征点往往在物体边缘处，深度测量值通常不准。所以直接把特征点的3D位置当做真值来做不行。必须对特征点进行优化。问题3：两两帧不行，参考 阅读全文

摘要： 1.公式轴角转四元数。q=[cos(theta/2),nx*sin(theta/2),ny*sin(theta/2),nz*sin(theta/2)]四元数转轴角theta=2arccosq0,[nx,ny,nz].T=[q1,q2,q3].t/sin(theta/2)经轴角旋转后的空间点这时旋转矩 阅读全文

摘要： 由之前的PnP,可以求出一个R,t,K又是已知的。而且空间点的世界坐标知道，第二个相机位姿的像素坐标也是知道的。就可以利用它们进行优化。首先确定变量为const vector<Point3f> points_3d,const vector<Point2f>,const Mat& K,Mat& R,M 阅读全文

摘要： 1.BA模型BA模型就是世界坐标到像素坐标的转换过程。这里多了一个去畸变。因为归一化平面坐标在转成像素坐标的过程中会出现畸变。这里只处理了径向畸变，径向畸变包括桶形失真和枕形失真，都是由于图像放大率随着与光轴之间的距离改变而增大或减小造成的。切向畸变是由于透镜与成像平面没有严格平行造成的。处理径向畸 阅读全文

摘要： 1.自己定义顶点类、边类或者用已经有的。1.1定义顶点例子class CurveFittingVertex: public g2o::BaseVertex<3, Eigen::Vector3d>{public: EIGEN_MAKE_ALIGNED_OPERATOR_NEW virtual void 阅读全文

摘要： 1、g2o_bal_class.h1.1 projection.hg2o还是用图模型和边，顶点就是相机和路标，边就是观测，就是像素坐标。只不过这里的相机是由旋转（3个参数，轴角形式，就是theta*nx,theta*ny,theta*ny),位移(3个参数），f,k1,k2.就是之前BA模型的实现。 阅读全文

摘要： 1.前言g2o是根据边来保存每一个代价函数，它是在边类中构造误差函数，构造边的时候，会设置顶点、测量值、协方差矩阵等。而在ceres中，用problem类型来构造最终的目标函数。先是使用AddResidualBlock来添加代价函数，代价函数和核函数等构造成目标函数。在ceres中，代价函数就是误差 阅读全文

摘要： 1.前言以BA为主的图优化，很多路标点，大量特征点，因为有这大量的特征点，所以实时不好，要在更大的场景上用，必须进行优化。这里后端有两种方法，一种位姿图，一种因子图。2.位姿图BA带有很多的相机位姿和空间点，时间一长，BA计算效率会下降。但是实际情况中，经过若干次观测之后，收敛的特征点和空间位置肯定 阅读全文