上一页 1 ··· 5 6 7 8 9 10 11 12 13 ··· 21 下一页
摘要: AI音乐推荐 https://www.gnoosic.com/faves.php RAP https://foreignrap.com 壁纸 https://wallhaven.cc/ 私人定制 www.fiverr.com 云旅游 http://www.airpano.com/ 云住酒店云吃饭 h 阅读全文
posted @ 2020-09-25 13:30 penuel 阅读(184) 评论(0) 推荐(0) 编辑
摘要: 1.简介 把三维空间建模为许多小方块,如果把每一个小方块的每一个面平均切为两片,那么这个小方块就会变为同样大小的八个小方块,这个步骤不断重复,直到最后的方块大小达到建模的最高精度,这个过程,就是一颗八叉树。 上图显示了大立方体不断均分为八块,知道变成最小的方块为止,整个大方块可以看作根节点,最小的方 阅读全文
posted @ 2020-09-24 10:50 penuel 阅读(843) 评论(0) 推荐(0) 编辑
摘要: 参考 : https://www.pyimagesearch.com/2018/09/26/install-opencv-4-on-your-raspberry-pi/ Step #1: Expand filesystem on your Raspberry Pi sudo raspi-config 阅读全文
posted @ 2020-09-23 18:05 penuel 阅读(927) 评论(0) 推荐(0) 编辑
摘要: ~/opencv_contrib/modules/xfeatures2d/src/boostdesc.cpp:673:20: fatal error: boostdesc_bgm.i: No such file or directory 解决方式: 采用的是源码编译的方式,所以可以查看 build 阅读全文
posted @ 2020-09-19 14:55 penuel 阅读(1862) 评论(0) 推荐(0) 编辑
摘要: 1.点云地图 所谓点云,就是由一组离散的点表示的地图,最基本的点包含x,y,z三维坐标,也可以带有r,g,b的彩色信息. #include <iostream> #include <fstream> using namespace std; #include <opencv2/core/core.h 阅读全文
posted @ 2020-09-10 14:49 penuel 阅读(402) 评论(0) 推荐(0) 编辑
摘要: 1.简介 在进行建图的时候,由于多个视角内存在视野重叠,即多个摄像头看到同样的像素点,这样在重叠区域内会存在大量的位置十分相近的点,这会占用很多内存空间.体素网络滤波保证了在某个一定大小的立方体内只有一个点,这相当于对三维空间进行了降采样,从而节省了很多的存储空间. 2.核心代码 pcl::Voxe 阅读全文
posted @ 2020-09-09 16:52 penuel 阅读(1631) 评论(0) 推荐(0) 编辑
摘要: 1.简介 StatisticalOutlierRemoval滤波器主要用于剔除离群点,或则测量误差导致的粗差点. 滤波思想为:对每一个点的邻域进行一个统计分析,计算它到所有临*点的*均距离。假设得到的结果是一个高斯分布,其形状是由均值和标准差决定,那么*均距离在标准范围(由全局距离*均值和方差定义) 阅读全文
posted @ 2020-09-09 16:45 penuel 阅读(2109) 评论(0) 推荐(0) 编辑
摘要: 1.简介 step的几个类别区分: step:矩阵第一行元素的字节数 step[0]:矩阵第一行元素的字节数 step[1]:矩阵中一个元素的字节数 step1(0):矩阵中一行有几个通道数 step1(1):一个元素有几个通道数(channel()) 2.实践 Mat img(3, 4, CV_1 阅读全文
posted @ 2020-09-09 16:13 penuel 阅读(1950) 评论(0) 推荐(0) 编辑
摘要: 1.简介 带有相机位姿和空间点的图优化称为BA,能够有效的求解大范围的定位与建图问题,但是随着时间,规模越来越大,计算效率会大幅下降。我们发现,特征点在优化问题中占了很大部分,经过若干次迭代之后,特征点就会收敛,此时再进行优化的意义并不大,因此,在优化几次后,可以把特征点固定住,把他们看做位姿估计的 阅读全文
posted @ 2020-09-08 10:45 penuel 阅读(1126) 评论(0) 推荐(0) 编辑
摘要: 1.投影模型和BA代价函数 这个流程就是观测方程 之前抽象的记为: \(z = h(x, y)\) 现在给出具体的参数话过程,x指此时相机的位姿R,t,它对应的李代数为$\xi$。路标y即为这里的三维点p,而观测数据则是像素坐标(u,v)。 此次观测的误差为: \(e = z - h(\xi, p) 阅读全文
posted @ 2020-09-02 17:29 penuel 阅读(1276) 评论(1) 推荐(0) 编辑
上一页 1 ··· 5 6 7 8 9 10 11 12 13 ··· 21 下一页