ICode9

精准搜索请尝试: 精确搜索
首页 > 其他分享> 文章详细

视觉slam十四讲(1)

2020-06-08 12:07:53  阅读:308  来源: 互联网

标签:SLAM 讲为 里程计 slam 介绍 g2o 视觉 十四


一、SLAM是什么?

SLAM 是 Simultaneous Localization and Mapping 的缩写,中文译作“同时定位与地图构建”。它是指搭载特定传感器的主体,在没有环境先验信息的情况下,在运动过程中建立环境的模型,同时估计自己的运动 。

二、组织架构

1、第一部分为数学基础篇

•第二讲为 SLAM 系统概述,介绍一个 SLAM 系统由哪些模块组成,各模块的具体工作是什么。实践部分介绍编程环境的搭建过程以及 IDE 的使用。
• 第三讲介绍三维空间运动,你将接触旋转矩阵、四元数、欧拉角的相关知识,并且在 Eigen 当中使用它们。
• 第四讲为李群和李代数。如果你现在不懂李代数为何物,也没有关系。你将学习李代数的定义和使用方式,然后通过 Sophus 操作它们。
• 第五讲介绍针孔相机模型以及图像在计算机中的表达。你将用 OpenCV 来调取相机的内外参数。
• 第六讲介绍非线性优化,包括状态估计理论基础、最小二乘问题、梯度下降方法。你会完成一个使用 Ceres 和 g2o 进行曲线拟合的实验。

2、第二部分为 SLAM 技术篇

• 第七讲为特征点法的视觉里程计。该讲内容比较多,包括特征点的提取与匹配、对极几何约束的计算、PnP 和 ICP 等。在实践中,你将用这些方法去估计两个图像之间的运动。
• 第八讲为直接法的视觉里程计。你将学习光流和直接法的原理,然后利用 g2o实现一个简单的 RGB-D 直接法。
• 第九讲为视觉里程计的实践章,你将搭建一个视觉里程计框架,综合应用先前学过的知识,实现它的基本功能。从中你会碰到一些问题,例如优化的必要性、关键帧的选择等。
• 第十讲为后端优化,主要为 Bundle Adjustment 的深入讨论,包括基本的 BA以及如何利用稀疏性加速求解过程。你将用 Ceres 和 g2o 分别书写一个 BA 程序。
• 第十一讲主要讲后端优化中的位姿图。位姿图是表达关键帧之间约束的一种更紧凑的形式。你将用 g2o 和 gtsam 对一个位姿球进行优化。
• 第十二讲为回环检测,我们主要介绍以词袋方法为主的回环检测。你将使用dbow3 书写字典训练程序和回环检测程序。
• 第十三讲为地图构建。我们会讨论如何使用单目进行稠密深度图的估计(以及这是多么不可靠),然后讨论 RGB-D 的稠密地图构建过程。你会书写极线搜索与块匹配的程序,然后在 RGB-D 中遇到点云地图和八叉树地图的构建问题。
• 第十四讲主要介绍当前的开源 SLAM 项目以及未来的发展方向。

三、代码

代码链接:https://github.com/gaoxiang12/slambook

四、理论基础

1.高等数学、线性代数、概率论
2.C++语言基础
3.Linux基础

标签:SLAM,讲为,里程计,slam,介绍,g2o,视觉,十四
来源: https://blog.csdn.net/liuyangguo1995/article/details/106607263

本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享;
2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关;
3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关;
4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除;
5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

专注分享技术,共同学习,共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有