随笔分类 - SLAM / 视觉SLAM十四讲
摘要：在学习g2o位姿图优化时，我曾被一行误差计算代码卡壳很久：`_error=(_measurement.inverse()*v1.inverse()*v2).log();`。看似简单的矩阵乘法，背后藏着SE3变换的核心逻辑——尤其是“SE3乘法不满足交换律”“A.inverse()*B表示从A到B的变
阅读全文
摘要：先明确 SE3 变换的本质 SE3 变换（记为T）描述的是 “从坐标系 A 到坐标系 B 的空间变换”，它包含两部分： 旋转：把 A 系的姿态转到 B 系的姿态； 平移：把 A 系的原点移到 B 系的原点。 数学上，SE3 可以表示为一个 4×4 的齐次变换矩阵，也可以用 “旋转矩阵 + 平移向量”
阅读全文
摘要：信息矩阵（Information Matrix）是 g2o 优化中用来表示 “观测数据可信度 / 权重” 的矩阵，本质是 “误差的协方差矩阵的逆”。 先搞懂 “协方差矩阵”（信息矩阵的 “前身”） 协方差矩阵（Σ）描述了 “观测误差的波动程度”： 数值越大 → 误差波动越大 → 观测数据越不可信；
阅读全文
摘要：1. 数学定义：向量 → 反对称矩阵 给定一个 3 维旋转向量 hat 算子把它变成一个 3×3 的反对称矩阵（skew-symmetric matrix）： 特点： 对角线元素全为 0； 主对角线两侧元素互为相反数：Aij=−Aji； 因此满足 AT=−A，这是反对称矩阵的定义。 2. 物理意
阅读全文
摘要：李群(Lie Group)和李代数(Lie Algebra)是SLAM、机器人学等领域中表示旋转/位姿的核心概念。 李群是"连续的群"比如旋转矩阵群SO(3)、位姿矩阵群SE(3),描述的是“最终的变换结果”。 李代数是李群在单位元处的切空间，描述的是“变换的增量/速度”。 一、先搞懂“群”：李群的
阅读全文
摘要：mutable_points()返回的是double*类型，调试器只知道这是一个内存地址，不知道它指向的数组长度是多少。通过Eigen::Map指定长度为 3，调试器就知道要读取 3 个连续的 double 值，并以 3 维向量的形式展示，这样就直观了。 在调试器的对表达式求值窗口（Clion里右侧
阅读全文
摘要：tr_radius 是 Trust Region Radius 的缩写，直译是信赖域半径，是 Ceres信赖域（LM）算法的核心控制参数—— 它定义了算法每次迭代时，参数更新步长能探索的最大范围，简单说就是给参数更新画了一个「探索圈」，步长只能在这个圈子里试探，圈子的半径就是tr_radius。 结
阅读全文
摘要：tr_ratio 是 Trust Region Ratio 的缩写，直译是「信赖域比率」，是 Ceres 中信赖域（LM）算法判定步长是否有效的核心指标，本质是 **「实际代价下降量」和「预测代价下降量」的比值 **，用来判断本次迭代尝试的步长是否靠谱、是否能让优化更接近最优值，这个值的大小直接决定
阅读全文
摘要：meshlab只显示绿色的摄像机点，不显示正常3D点 解决思路：给ply中绿色的摄像机点和白色的普通点都加上坐标数值异常过滤 极大 / 极小的数值，这说明部分地图点的 3D 坐标是无效值（比如 NaN、inf 或者计算溢出的错误值），导致 MeshLab 显示出了异常的坐标刻度。 点击查看代码 vo
阅读全文
摘要：点击查看代码 // 计算相机中心：c = -R^T * t // 其中R是旋转矩阵（由角轴转换），t是平移向量 Eigen::VectorXd inverse_rotation = -angle_axis_ref; // 逆旋转（角轴取反） // 计算 R^T * t （通过角轴旋转点实现） Ang
阅读全文
摘要：点击查看代码 #include<iostream> using namespace std; int main() { //模拟BALProblem的核心逻辑：角轴数组->四元数数组 //1.初始化旧数组(角轴格式：假设1个相机，9维参数) int old_size = 9;//9*1个相机+0个点
阅读全文
摘要：核心差异：atan 是单参数、无象限区分、范围窄；atan2 是双参数、有象限区分、范围全，且无需提前做除法； 工程选择：SLAM / 机器人 / 图形学等需要精准计算角度的场景，优先用 atan2(y, x)；atan 仅适用于已知角度在 [-90°, 90°] 的简单场景； 代码意义：atan2
阅读全文
摘要：一 Eigen::Map 核心概念回顾 先明确核心定位：Eigen::Map是Eigen库提供的内存映射工具， 能把一段连续的原始内存(C数组 malloc内存 缓冲区等）直接包装成Eigen的向量/矩阵对象， 无需拷贝数据，让Eigen的便捷接口操作原始内存。 目标Eigen类型：要映射成的类型(
阅读全文
摘要：  ![imag
阅读全文
摘要：咱们要的是「相机调一点点位置，像素颜色误差会变多少」（这是指导相机调整的核心依据），但这个关系没法直接算，所以拆成两步： 相机位置调整 → 像素坐标(u,v)变化 → 像素颜色(灰度)变化 → 颜色误差变化 J_pixel_xi：管第一步（相机调整 → 像素坐标变多少）； J_img_pixel：管
阅读全文
摘要：关键代码解读 点击查看代码 if (inverse == false) { // 普通LK：每次迭代重置H和b（H随迭代变） H = Eigen::Matrix2d::Zero(); b = Eigen::Vector2d::Zero(); } else { // 逆公式LK：仅重置b，H只算一次（
阅读全文
摘要：点击查看代码 // 普通LK：J基于目标帧I2的梯度（因为J = -dI2/dx, -dI2/dy） // 梯度用中心差分近似：dI/dx = [I(x+1) - I(x-1)] / 2，dI/dy = [I(y+1) - I(y-1)] / 2 J = -1.0 * Eigen::Vector2d
阅读全文
摘要：海森矩阵（Hessian Matrix）的核心价值是描述目标函数的局部曲率，它包含了函数的二阶导数信息，这让优化算法能突破 “仅依赖梯度（一阶信息）” 的局限，实现更高效、更精准的寻优。在优化算法中，海森矩阵的应用主要集中在以下几个核心方向： 牛顿法与拟牛顿法：核心的搜索方向指导 牛顿法是二阶优化算
阅读全文
摘要：OpenCV 中 parallel_for_函数的具体用法，这个函数是OpenCV提供的并行化计算工具，能帮你高效低利用多核CPU加速循环类的计算任务。 一、parallel_for_ 核心概念 parallel_for_ 本质是OpenCV对多线程的封装，它会自动将一个大的循环任务拆分成多个子任务
阅读全文
摘要：一、GDB 是什么？ GDB（GNU Debugger）是 Linux/macOS 下的命令行调试工具，核心作用是： 定位程序崩溃的具体代码行（如段错误、浮点异常）； 实时查看 / 修改变量值、寄存器状态； 单步执行代码，逐步排查逻辑错误； 分析程序的函数调用栈（崩溃时的执行路径） GDB 是定位
阅读全文
浙公网安备 33010602011771号