随笔分类 - 03-SLAM
摘要：想要从二维图像中获取到场景的三维信息，相机的内参数是必须的，在SLAM中，相机通常是提前标定好的。张正友于1998年在论文："A Flexible New Technique fro Camera Calibration"提出了基于单平面棋盘格的相机标定方法。该方法介于传统的标定方法和自标定方法之间
阅读全文
摘要：在之前的博文 "OpenCV，计算两幅图像的单应矩阵" ，介绍调用OpenCV中的函数，通过4对对应的点的坐标计算两个图像之间单应矩阵$H$，然后调用射影变换函数，将一幅图像变换到另一幅图像的视角中。当时只是知道通过单应矩阵，能够将图像1中的像素坐标$(u_1,v_1)$变换到图像2中对应的位置上$
阅读全文
摘要：在上篇文章中，介绍了三位场景中的同一个三维点在不同视角下的像点存在着一种约束关系： 对极约束 ， 基础矩阵 是这种约束关系的代数表示，并且这种约束关系独立与场景的结构，只依赖与相机的内参和外参（相对位姿）。这样可以通过通过匹配的像点对计算出两幅图像的基础矩阵，然后分解基础矩阵得到相机的相对位姿。 通
阅读全文
摘要：在上篇相机模型中介绍了图像的成像过程，场景中的三维点通过“小孔”映射到二维的图像平面，可以使用下面公式描述： $$ x = MX $$其中，$c$是图像中的像点，$M$是一个$3\times4$的相机矩阵，$X$是场景中的三维点。 通过小孔相机模型，可知假如从像点$x$向相机的中心$C$反投影一条射
阅读全文
摘要：相机成像的过程实际是将真实的三维空间中的三维点映射到成像平面（二维空间）过程，可以简单的使用 小孔成像 模型来描述该过程，以了解成像过程中三维空间到二位图像空间的变换过程。 本文包含两部分内容，首先介绍小孔成像模型的各种几何关系；接着描述了成像过程中的四种坐标系（像素坐标，图像坐标，相机坐标，世界坐
阅读全文
摘要：SLAM 主要分为两个部分：前端和后端，前端也就是视觉里程计（VO），它根据相邻图像的信息粗略的估计出相机的运动，给后端提供较好的初始值。VO的实现方法可以根据是否需要提取特征分为两类：基于特征点的方法，不使用特征点的直接方法。 基于特征点的VO运行稳定，对光照、动态物体不敏感。 图像特征点的提取和
阅读全文