視覺SLAM十四講學習筆記——第六講--非線性優化
6.1 狀態估計問題
6.1.1 最大後驗與最大似然
貝葉斯法則
似然是指"在現在的位姿下,可能產生怎樣的觀測資料"。
最大似然估計“在什麼樣的狀態下,最可能產生現在觀測到的資料”。
6.1.2 最小二乘的引出
6.2 非線性最小二乘
6.2.1 一階和二階梯度法
最速下降法
雅克比矩陣(一階) 海塞矩陣【Hessian】(二階)
6.2.2 高斯牛頓法
6.2.3 列文伯格-馬夸爾特方法
Line Search先固定搜尋放心,然後在該方向尋找步長,以最速下降法和高斯牛頓法為代表。
Trust Region則先固定搜尋區域,在考慮該區域內最優點。
實踐
圖優化是把優化問題表現成圖的一種方式。
g2o
Ceres
相關推薦
視覺SLAM十四講學習筆記——第六講--非線性優化
6.1 狀態估計問題 6.1.1 最大後驗與最大似然 貝葉斯法則 似然是指"在現在的位姿下,可能產生怎樣的觀測資料"。 最大似然估計“在什麼樣的狀態下,最可能產生現在觀測到的資料”。 6.1.2 最小二乘的引出 6.2 非線性最小二乘 6.2.1 一階和二階梯度法
視覺SLAM十四講學習筆記——第三講--三維空間剛體運動
3.1 旋轉矩陣 3.1.1 點和向量,座標系 內積可以描述向量之間的投影關係。 外積的方向垂直於這兩個向量,是兩個向量張成的四邊形的有向面積。還能用外積表示向量的旋轉。 3.1.2 座標系間的歐式變換 旋轉矩陣是行列式為1的正交矩陣。旋轉矩陣可以描述相機的旋轉。SO(n)是特殊
視覺SLAM十四講學習筆記——第四講--李群與李代數
4.1李群與李代數基礎 旋轉矩陣和變換矩陣對加法是不封閉的。換句話說,對於任意兩個旋轉矩陣R1, R2,按照矩陣加法的定義,和不再是一個旋轉矩陣。 SO(3) 和 SE(3)對乘法是封閉的。兩個旋轉矩陣相乘,表示做了兩次旋轉。對於這種只有一個運算的集合,我們稱之為群。 4.1.1 群
視覺SLAM十四講學習筆記——第五講--相機與影象
5.1 相機模型 5.1.1 針孔相機模型 畫素座標系與成像平面之間,相差了一個縮放和一個原點的平移。 內參數矩陣(Camera Intrinsics)K 標定:自己確定內參。 5.1.2 畸變 由透鏡形狀引起的畸變稱為徑向畸變。 桶形畸變是由於影象放大率隨著與光軸之
《視覺SLAM十四講》學習筆記-第四講部分習題的證明思路
1 驗證SO(3)、SE(3) 和Sim(3) 關於乘法成群 證明: 先看SO(3). 定義為: SO(3)={R∈R3×3|RR⊤=I,det(R)=1}SO(3)={R∈R3×3|RR⊤=I,det(R)=1} 假設R1,R2∈SO(3)R1,
《視覺SLAM十四講》學習筆記之第2講——初識SLAM
編碼器 得到 狀態 src tco 模型 lam mar imu 《視覺SLAM十四講》學習筆記之第2講——初識SLAM經典視覺SLAM框架SLAM問題的數學表述本章主要分為四個部分,分別為: 引子:引入一個作者虛擬的機器人——小蘿蔔,並介紹了與SLAM相關的傳感器的相關
視覺SLAM十四講學習筆記——第二講
2.1引子:小蘿蔔的例子 1. 慣性測量單元(Inertial Measurement Unit, IMU) 2. 按照工作方式的不同,相機可以分為單目相機(Monocular)、雙目相機(Stereo)、和深度相機(RGB-D)三大類。 3. RGB-D除了能夠採集到彩色圖片之外,還能夠讀
SLAM學習小組 : 視覺SLAM十四講 第三講 + 視覺SLAM理論與實踐 第二節
一、熟悉Eigen矩陣運算 Wiki Eigen 設線性⽅程 Ax = b,在 A 為⽅陣的前提下,請回答以下問題: 1. 在什麼條件下,x 有解且唯⼀? 線性方程組的矩陣滿秩(非奇異矩陣) 2. 高斯消元法的原理是什麼? 高斯消元法是將方程組中的一方程的未知數用含有另一
視覺SLAM十四講-第七講筆記
主要內容 本章開始進入視覺里程計(VO)部分,VO按是否需要提取特徵,分為特徵點法的前端和不提特徵的前端。這一章講的是基於特徵點法的前端,分為以下內容。 特徵點法:找到兩張2D影象上的匹配點。 對極幾何:根據2D-2D特徵點對求解R,t。 三角測量:根據2D-
視覺slam十四講ch5 joinMap.cpp 代碼註釋(筆記版)
iterator 實驗 article ons 如果 false 結果 插入 智能指針類 1 #include <iostream> 2 #include <fstream> 3 using namespace std; 4 #in
《視覺SLAM十四講》筆記(ch10)
bundle gin ont 學習 重建 16px 方程 進行 img ch 10—— 後端1 主要目標:1.理解後端的概念 2.理解以EFK為代表的濾波器後端工作原理 3.理解非線性優化得後端,明白稀疏性是如何利用的 4.使用g2
視覺SLAM十四講(二)——SLAM 學習資料
(1) orb_slam 官網(網站最後有5篇論文,價值很高) http://webdiis.unizar.es/~raulmur/orbslam/ (2)半仙居士blog(可以都看,很經典) http://www.cnblogs.com/gaoxiang12/ (3) 賀一加 blog(m
《視覺slam十四講》之第3講-三維剛體運動
第三講:三維空間剛體運動 旋轉的幾種表達方式 向量 關於向量: 注:其中e1,e2,e3為線性空間下的一組基。 向量的內積: 注:向量的內積表示向量間的投影關係。 向量的外積 注:可以使用外積表示向量的旋轉。 注:^ 記成一個反對稱符
視覺SLAM十四講課後習題—ch8 《視覺SLAM十四講》筆記(ch8)
1.除了LK光流之外,還有哪些光流方法?它們各有什麼特點? 參考:https://blog.csdn.net/on2way/article/details/48953975 1)LK(Lucas-Kanada)光流: 一種經典的方法,基於區域性特徵計算光流2)Horn-Schunck光流方法:全域性性
SLAM學習--視覺SLAM十四講第三方庫安裝
echo "安裝eigen3" sudo apt-get --yes --force-yes install libeigen3-dev cd ~/ThirtyLib echo "安裝Sopus" g
視覺slam十四講ch5 joinMap.cpp 程式碼註釋(筆記版)
1 #include <iostream> 2 #include <fstream> 3 using namespace std; 4 #include <opencv2/core/core.hpp> 5 #include
視覺SLAM十四講-第九講例程執行出錯
編譯通過,執行時,有時會一閃如書中所示的3d顯示的介面,隨即終止,出現如下錯誤: [email protected]:~/0.2$bin/run_vo config/default.yaml dataset:/home/caiming/fr1_xyz read
半閒居士視覺SLAM十四講筆記(2)初識 SLAM- part 2 linux CMake、Kdevelop
該講詳細資料下載連結 【Baidu Yun】【Video】【Code】 若您覺得本博文對您有幫助,請支援高博的新書《視覺SLAM十四講》,【點選購買】 若您覺得本博文對您有幫助,請支援高
SLAM學習基礎(二)——《視覺SLAM十四講》讀後感、SLAM核心技術總結(部分)
(1)《視覺SLAM十四講》_高翔 第一遍學習: 《視覺SLAM十四講》這本書,很詳細的從幾何學的角度講述了SLAM的各種核心技術。是成為一名SLAM技術的邊緣OB者的不二選擇。 本書的前六講主要是在安裝庫(當然,順道介紹書數學基礎知識),SLAM執行需要的各種庫,因為我是在ub
《視覺SLAM十四講》第7講 程式碼編譯g2o初始化出錯修改
1. pose_estimation_3d3d.cpp // 初始化g2o typedef g2o::BlockSolver< g2o::BlockSolverTraits<6,3> > Block; // pos