当前位置：首页 > news >正文

视觉SLAM十四讲ch7-1视觉里程计笔记

news 文章来源：https://blog.csdn.net/laowangwin/article/details/129352920 2025/1/13 13:39:09

视觉SLAM十四讲ch7-1 视觉里程计笔记

本讲目标
从本讲开始，开始介绍SLAM系统的重要算法
特征点法
- ORB特征
- BRIEF
实践特征提取与匹配
2D-2D：对极几何
- 八点法求E
- 八点法的讨论
- 从单应矩阵恢复R，t
小结
三角化![在这里插入图片描述](https://img-blog.csdnimg.cn/e05a6e2a754e41d2a2d7dd2fff796285.png)![在这里插入图片描述](https://img-blog.csdnimg.cn/5f0f4cf1e1b943af93f2b043bc871e08.png)
实践：对极约束求解相机运动

本讲目标

理解图像特征点的意义,并掌握在单幅图像中提取出特征点，及多幅图像中匹配特征点的方法。
理解对极几何的原理，利用对极几何的约束，恢复出图像之间的摄像机的三维运动。
理解PNP问题，及利用已知三维结构与图像的对应关系，求解摄像机的三维运动。
理解ICP问题，及利用点云的匹配关系，求解摄像机的三维运动。
理解如何通过三角化，获得二维图像上对应点的三维结构。

从本讲开始，开始介绍SLAM系统的重要算法

视觉里程计:特征点法和直接法
后端优化
回环检测
地图构建

特征点法

在这里插入图片描述

ORB特征

在这里插入图片描述

BRIEF

在这里插入图片描述

实践特征提取与匹配

在这里插入图片描述

2D-2D：对极几何

在这里插入图片描述

P是1坐标系下的坐标，变成2摄像头的坐标需要进行旋转和平移。
归一化：把K换到左边变为逆，x1=P

E：本质矩阵，F：基本矩阵
t平移项三自由度，R旋转矩阵也是三自由度，t^R就是六自由度，但是由于乘任意非零常数依然满足，需要去掉一个自由度，E就是五自由度。意思：最少用五对点把E算出来，五点法。但是有点麻烦，因为有乘法，需要用到非线性的性质，于是就把E当成3×3普通矩阵，有9个自由度，减去一个非零常数自由度，就变成八个自由度。最少用八个点把E求出来。