摘要：3D-2D：PnP问题 描述了当知道n个3D空间点及其投影位置时，如何估计相机的位姿。 PnP 问题有很多种求解方法，例如：用 3 对点估计位姿的P3P、直接线性变换DLT、EPnP(Efficient PnP) 、UPnP等等。此外,还能用非线性优化的方式，构建最小二乘问题并迭代求解，也就是万金油 阅读全文

摘要：单目相机模型： 针孔相机模型的映射关系： 化为矩阵形式： 其中，中间的矩阵被称为相机的内参矩阵K。通常认为，相机的内参在出厂之后是固定的，不会在使用过程中发生变化。有点相机生产厂商会告诉你相机的内参，而有时需要你自己确定相机的内参，也就是所谓的标定。（目前标定算法已经比较成熟，如著名的单目棋盘格张友 阅读全文

摘要：概述： 在实际的SLAM中，我们除了对旋转进行表示之外，还需要对它们进行估计和优化。因为在SLAM中位姿是未知的，而我们需要解决什么样的相机位姿最符合当前的观测数据这样的问题，一种典型的方法是把他们构成一个优化问题，求解最优的的R，t，使误差最小化。 旋转矩阵姿自身是带有约束的（正交且行列式为1）。 阅读全文

摘要：旋转矩阵与欧式变换： 其中e1，e2，e3和e1'，e2'，e3'分别为旋转变换前后的坐标系的标准正交基 上式左乘： 则有： 其中中间的矩阵定义为R，它描述了旋转本身，因此称之为旋转矩阵——旋转矩阵是行列式为1的正交矩阵。（行列式为1的正交矩阵也是一个旋转矩阵） 特殊正交群（Special Orth 阅读全文

摘要：第一章 SLAM（Simultaneous Localization and Mapping（同时定位与地图构建））：搭载特定传感器的主体，在没有环境先验信息的情况下，于运动过程中建立环境的模型，同时估计自己的运动。 第二章 考虑携带于机器人本体上的传感器——IMU、激光、相机。 SLAM一般分为激 阅读全文