文章分类 - 视觉导航
视觉导航相关的文章
摘要：参考链接 1 VIO-PDR 相关内容（在AR方面的应用）： 浙江大学与商汤科技联合提出适用于挑战场景下的视觉惯性里程计（惯性神经网络源代码和数据集均已发布） RoNIN：基于残差网络的IMU传感器数据用于运动估计和定位（CVPR-2019） https://github.com/CathIAS/T
阅读全文
摘要：参考链接 VIO单目评测算法:A Benchmark Comparison of Monocular Visual-Inertial Odometry Algorithms for Flying Robots VIO：飞行机器人单目VIO算法测评 【VIO论文笔记】A Benchmark Compa
阅读全文
摘要：VINS-MONO参考链接： 【SLAM】VINS-MONO解析——综述 【SLAM】VINS-MONO解析——vins_estimator流程 转载自： https://blog.csdn.net/m0_37874102/article/details/114365837 总结一些之前看过的SLA
阅读全文
摘要：参考链接 参考一. 专栏GraphGNSSLib 中的文章： 1. 一、GraphGNSSLib 的详细安装和运行步骤 + 跑自己的数据时注意事项 + RTK精度达不到作者论文中的1.7米的解决方法 + ENU坐标系和ECEF坐标系下的定位误差不一致问题 参考二：香港理工大学相关参考： 1. Gra
阅读全文
摘要：MSCKF全称Multi-State Constraint Kalman Filter（多状态约束下的Kalman滤波器），是一种基于滤波的VIO算法，2007年由Mourikis在《A Multi-State Constraint Kalman Filter for Vision-aided In
阅读全文
摘要：[Ceres]关于Problem的重要的类 参考链接 链接一：视觉SLAM基础理论 专栏 中的链接 Ceres Solver 具体案例分析 Ceres 详解（一） Problem类 【Ceres::Problem类详解】 Ceres详解（二） CostFunction Ceres详解（三）最小二乘问
阅读全文
摘要：参考链接 DSO 中的Windowed Optimization SLAM中的marginalization 和 Schur complement 如何理解SLAM中的First-Estimates Jacobian？ 【泡泡机器人原创专栏-OKVIS】OKVIS理论推导(上) 【泡泡机器人原创专栏
阅读全文
摘要：主要内容 1. 概述 在视觉SLAM看来，“建图”是服务于“定位”的。从应用层面来看，地图的作用如下： 1.1） 定位 1.2） 导航 至少需要知道地图中哪些地方可以通过，哪些地方不可通过——至少是一种稠密的地图 1.3） 避障 —— 稠密地图 1.4） 重建 —— 稠密地图 1.5） 交互 ——
阅读全文
摘要：主要内容 1. 意义 回环检测对于SLAM系统意义重大。它关系到我们估计的轨迹和地图在长时间下的正确性。另一方面，由于回环检测提供了当前数据与所有历史数据的关联，在跟踪算法丢失之后，我们还可以利用回环检测进行重定位。因此，回环检测对于整个SLAM系统精度与稳定性的提升是非常明显的。 甚至在某些时候，
阅读全文
摘要：主要内容 1. 位姿图 1.1） 引出 BA问题中，特征点在优化问题中占据了绝大部分，因此在优化过程中，倾向于把收敛的特征点固定住，只把它们看做位姿估计的约束，而不再实际的优化它们的位置。 当机器人在更大范围的时间和空间中运动时，从减小计算量的角度出发有一下解决方案： a 滑动窗口法，丢弃一些历史数
阅读全文
摘要：主要内容 1. 概述 1）考虑k时刻的状态估计，用过去0到k中的数据来估计现在的状态分布： 2）按照贝叶斯法则： 注：从左到右，一次为后验概率，似然概率 和 先验概率；其中，似然有量测信息给定，先验概率基于过去所有的状态估计和量测得来的 3）对先验概率进行进一步展开，按照 为条件概率展开： 注：如果
阅读全文
摘要：视觉前端设计，记录设计的中间结果 1. PnP算法——参考帧/当前帧的方式 相邻两帧，以前一帧作为参考帧，计算两帧之间相机的运动，进而得出相机的运动； 用到的主要函数：cv::solvePnPRansac 输出结果：（其中某一帧的解算时间如下） extractKeyPoints: 0.012719
阅读全文
摘要：直接法引出 尽管特征点法在视觉里程计中占据主要地位，但研究者认为他至少还要一下几个缺点： 1） 关键点的提取与描述子的计算非常耗时 2） 只是用特征点，丢弃了大部分可能有用的图像信息 3） 相机有可能运动到特征缺失的地方，没有明显的纹理信息。 可从以下几个思路进行探索： 1）保留特征点，只计算特征点
阅读全文
摘要：主要内容 1. 概念 将稀疏法中特征点提取的方法，改成对参考帧，直接提取梯度比较明显的像素点，然后用直接法，以这些像素为图优化边来估计相机运动。 2. 代码 1） 只修改参考帧中特征点提取部分，改成梯度变化明显的像素点进行选取，梯度变换的门限设置为50. （相比特征点提取，以梯度变化进行选取，会增加
阅读全文
摘要：主要内容 1. 直接法推到 [p194-195] 1）特征点法：通过特征点匹配知道像素坐标信息p1,p2,然后根据重投影的位置误差迭代优化位姿及特征点信息； 2）直接法：根据对当前的位姿估计值寻找p2的像素位置，如果相机位姿误差比较大，则p1 p2像素点亮度信息会有明显的差别。通过减小该误差信息迭代
阅读全文
摘要：主要内容 直接法是从光流演变而来的。光流（Optical Flow）描述了像素在图像中的运动，而直接法则附带着一个相机的运动模型。 1. 定义 描述像素随时间在像素中运动的方法，追踪像素在图像中运动。 追踪部分像素或全部像素分为稀疏光流和稠密光流，稀疏光流以Lucas-Kanade光流为代表，可以在
阅读全文
摘要：主要内容 1. 概念 假设有一组匹配好的3D点（将投入对两幅RGB-D得到的图像进行了匹配），求解位姿如下： 其中， 分别为匹配的特征点，相机坐标系和世界坐标系。 用迭代最近点(Iterative Closest Point，ICP)方法求解。 注：激光SLAM也会遇到，激光数据特征不够丰富，无从知
阅读全文
摘要：PnP问题的求解方法有很多，例如，用3对点估计位姿的P3P、直接线性变换法（DLT），EPnP(Efficient PnP)，UPnP等； 非线性优化的方式，构建最小二乘问题并迭代进行求解，即万金油式的Bundle Adjustment。 本节组要介绍BA，并给出示例。 主要内容 1. 概念 线性方
阅读全文
摘要：PnP问题的求解方法有很多，例如，用3对点估计位姿的P3P、直接线性变换法（DLT），EPnP(Efficient PnP)，UPnP等； 非线性优化的方式，构建最小二乘问题并迭代进行求解，即万金油式的Bundle Adjustment。 本节组要介绍DLT，P3P，并给出EPnP求解位置的示例。
阅读全文
摘要：主要内容 1. 求解 P153-154 2. 讨论 1）三角测量是由平移得到的，有平移才会有对极几何中的三角形 纯旋转无法使用三角测量 2） 三角测量的不确定性 平移较大时，在同样的相机分辨率下，三角化测量将更精确 3. 提高三角测量精度： 1） 提高特征点的提取精度，提高图像分辨率 缺点是增大计算
阅读全文
