RTAB-Map 闭环检测 [TOC] 1. 概述 主要特点: 基于外观(Appearance-Based),通过图像相似度查找回环 贝叶斯滤波算法,估计回环的概率 增量式在线构建视觉词典或词袋,针对一个特定环境不需要预训练过程 内存管理模型,保证实时在线运行 代码主要过程: RTABMap(闭环检测)主入口函数 Rtabmap::process 输入图像image及其id(header.seq)被封装到SensorD 2019-06-27 SLAM #Visual SLAM #Pattern Recognition #Loop Closure
SVO 论文与代码分析总结 [TOC] 概述 SVO: Semi-direct Monocular Visual Odometry 论文: SVO: Fast Semi-Direct Monocular Visual Odometry 代码(注释版):cggos/svo_cg SVO结合了直接法和特征点法,称为 半直接单目视觉里程计。 初始化 获取第一关键帧和第二关键帧的相对位姿,并建立初始地图,代码主要在 i 2019-05-12 SLAM #Visual SLAM #Depth Estimate #Inverse Depth #Image Warping #Depth Filter #Mixture Model
C++ 笔记 [TOC] Overview https://www.cnblogs.com/Y1Focus/p/6707121.html https://www.cnblogs.com/wuchanming/p/3992395.html?utm_source=tuicool&utm_medium=referral https://blog.csdn.net/u010236550/article/deta 2019-05-01 DevOps #DSA #Cpp #Design Patterns #STL
视觉SLAM位姿估计(总结) [TOC] 相关代码: pose_estimation in cggos/slam_park_cg Features Based Method 2D-2D: Epipolar Geometry 2D-2D相机位姿估计 通常利用 对极几何 进行计算,是单目SLAM初始化时的关键技术。 2D-2D 对极几何 主要涉及到基础矩阵、本质矩阵和单应性矩阵的求解,并从中恢复出旋转矩阵 \(R\) 和 2019-04-29 SLAM #Visual SLAM #Pose Estimation
Camera Control [TOC] Interfaces 1MIPI DSI CSI LVDS DVP SCCB SPI Drivers Video4Linux V4L for short, is a collection of device drivers and an API for supporting realtime video capture on Linux systems. v4l2-ctl sud 2019-04-10 Computer Vision #Computer Vision #Camera #Camera Control #Driver
Cameras Overview [TOC] Overview Sensors/Cameras (ROS Wiki) 0. Basic Knowledge 相机的那些事儿 - 概念、模型及标定 Norman Koren photography: images and tutorials 摄影知识普及:如何用好滤光镜,想进一步玩好摄影必看! 如何理解 ISO、快门、光圈、曝光这几个概念? Introduction to Shu 2019-04-10 Computer Vision #Computer Vision #Camera
数据结构和算法 笔记 概述 数据结构 按形状:集合、线性结构(1:1)、树形结构(1:n)、图状或网状结构(n:n) 按存储方式:逻辑结构、物理(存储)结构(顺序、链式) 任何一个算法的设计取决于选定的逻辑结构,实现依赖于采用的存储结构。 算法 特性:有穷性、确定性、可行性、输入、输出 算法效率的度量:事后统计、事前分析 复杂度分析:时间复杂度、空间复杂度 线性表 顺序表(顺序存储结构) 优点:存 2019-04-01 DevOps #DSA #Graph
Ceres-Solver 从入门到上手视觉SLAM位姿优化问题 概述 Ceres Solver is an open source C++ library for modeling and solving large, complicated optimization problems. 使用 Ceres Solver 求解非线性优化问题,主要包括以下几部分: 构建代价函数(cost function) 或 残差(residual) 构建损失函数(los 2019-03-24 State Estimation #Visual SLAM #Optimization #State Estimation
VINS-Mono 论文公式推导与代码解析 [TOC] 概述 Monocular visual-inertial odometry with relocalization achieved via nonlinear graph optimization-based, tightly-coupled, sliding window, visual-inertial bundle adjustment. 代码(注释版):cggos/v 2019-03-16 SLAM #Visual SLAM #VIO
Ubuntu 16.04 下 VINS-Mono 的安装和使用(RealSense ZR300) [TOC] Overview 本文介绍在 Ubuntu 16.04(ROS Kinetic)的PC平台上使用 RealSense ZR300 的 fisheye camera (FOV: 100x133) + IMU 运行 我对VINS-Mono的改版 cggos/vins_mono_cg。 安装&运行 ZR300驱动 RealSense ZR300 的加速度计和陀螺仪的时间戳不是完全相同 2019-03-03 SLAM #Stereo Vision #Visual SLAM #VIO
计算机视觉对极几何之Triangulate [TOC] 极线搜索 If we are using only the left camera, we can't find the 3D point corresponding to the point \(x\) in image because every point on the line \(OX\) projects to the same point on the image 2019-01-31 Computer Vision #Computer Vision #MVG #Epipolar Geometry #Depth Estimate
计算机视觉对极几何之FEH Overview The gray region is the epipolar plane The orange line is the baseline the two blue lines are the epipolar lines Basic Epipolar Geometry entities for pinhole cameras and panoramic camera 2019-01-27 Computer Vision #Computer Vision #MVG #Epipolar Geometry
Camera Models Summary [TOC] Overview Lens Projections About the various projections of the photographic objective lenses Models for the various classical lens projections 鱼眼相机成像、校准和拼接(笔记) Computer Generated Angular Fis 2019-01-26 Computer Vision #Computer Vision #Camera #Camera Model #Fisheye Camera #Visual SLAM
Ubuntu 16.04 下 PL-SLAM (Stereo) 的安装和使用 [TOC] Overview This code rubengooj/pl-slam contains an algorithm to compute stereo visual SLAM by using both point and line segment features. Related Publication 12345@article{gomez2017pl, title = 2019-01-20 SLAM #Visual SLAM #Struct SLAM
图像分析之图像特征匹配 [TOC] 相似度 SSD (Sum of Squared Distance) \[ {D(I_A,I_B)}_{SSD} = \sum_{x,y}[{I_A}(x,y)-{I_B}(x,y)]^2 \] SAD (Sum of Absolute Difference) \[ {D(I_A,I_B)}_{SAD} = \sum_{x,y} | {I_A}(x,y)-{I_B}(x,y) | 2019-01-13 Computer Vision #Computer Vision #DIP #Image Features #Feature Matching
图像分析之图像特征 [TOC] Overview Types of Image Feature: Edges Corners (also known as interest points) Blobs (also known as regions of interest ) Image Corners/Keypoints Keypoints Structure (from OpenCV): pt: x & 2019-01-13 Computer Vision #Computer Vision #DIP #Image Features
vSLAM位姿优化中雅克比矩阵的求解 [TOC] 概述 SLAM,即 同时定位与建图,视觉SLAM的 定位 即 求取相机位姿(旋转和平移 \([\mathbf{R} \quad \mathbf{t}]\));在SLAM中,我们一般使用 李代数 \(\boldsymbol{\xi}\) 来表示 旋转和平移。 记 相机内参矩阵 \(\mathbf{K}\),相机位姿 \(\mathbf{T} = [\mathbf{R} \quad 2018-12-15 SLAM #Visual SLAM #State Estimation
图像频率域分析之傅里叶变换 [TOC] 傅里叶变换基础 傅里叶级数 法国数学家傅里叶发现,任何周期函数都可以用正弦函数和余弦函数构成的无穷级数来表示(选择正弦函数与余弦函数作为基函数是因为它们是正交的),即 任何周期信号都可以表示成一系列正弦信号的叠加 三角形式 \[ f(t) = \frac{a_0}{2} + \sum_{k=1}^{+\infty} \big[ a_k cos (n \omega t) + b_k 2018-12-01 Computer Vision #Computer Vision #DIP #Frequency Domain #Fourier Transform
图像空间域分析之图像统计特征 [TOC] 我们可以将一幅数字图像视为一个 二维函数\(I(x,y)\) ,其中x和y是空间坐标,在x-y平面中的任意空间坐标 \((x,y)\) 上的 幅值 \(I_{xy}\) 称为该点 图像的灰度、亮度或强度。 \[ I_{x,y} = I(x,y); \] 下面以 \(I_{xy}\) 作为随机变量,分析二维数字图像的 统计特征。 数学期望 数学期望(Expectation) 就是随机变量 2018-11-30 Computer Vision #Computer Vision #DIP #Image Moment