氢键H-H-CSDN博客

原创基于车辆模型的横向控制方法

无人驾驶车辆基于模型横向控制、车辆运动学模型、纯跟踪、后轮反馈、前轮反馈控制算法；车辆动力学模型、车辆线性二自由度动力学模型、车辆路径跟踪偏差状态方程的构建、LQR 横向控制算法的求解...

2020-03-24 14:37:05 63937 15

原创氢键H-H的博客目录

深度学习、机器人开发、嵌入式开发、软件开发

2020-01-14 19:40:10 52068 15

原创 SLAM ORB-SLAM2（25）相机位姿优化

在《SLAM ORB-SLAM2（23）运动模型跟踪》中的运动模型跟踪过程在根据匀速运动模型估计位姿后，利用用上一帧地图点进行投影匹配在《SLAM ORB-SLAM2（24）地图点投影匹配》找到了足够多的匹配点时就会调用根据匹配特征点构建优化器修正相机位姿/* 4. 利用3D-2D投影关系，优化当前帧位姿 */

2024-04-06 00:45:00 3705

原创 SLAM ORB-SLAM2（24）地图点投影匹配

地图点的投影匹配过程，先创建角度直方图；计算当前帧到上一帧的平移向量，并通过相机的基线判定相机的运动方向；计算地图点像素坐标；设定搜索搜索窗口的大小；计算描述子的距离，评价特征点的匹配度；筛选最佳匹配点；最后进行角度一致性筛选。

2024-03-10 16:00:56 6943

SLAM ORB-SLAM2（22）分解基础矩阵1. 前言2. 推导2.1 本质矩阵2.2 分解本质矩阵2.3 几何意义3. ReconstructF3.1. 分解 Rt3.2. 三角化测量3.3. 选择最优解4. DecomposeE1. 前言在《SLAM ORB-SLAM2（12）估算运动并初始地图点》中了解到估算两帧间相对运动过程：记录特征点对的匹配关系 > RANSAC 采样准备 > 计算H矩阵或者F矩阵 > 判断并选取模型求位姿过程在《SLAM ORB-SLA

2024-03-10 14:10:01 7041

原创 SLAM ORB-SLAM2（21）基础矩阵的计算和评分

基础矩阵的概念（对极约束）、计算原理和重投影误差评分

2024-03-02 09:31:33 8077

原创 SLAM ORB-SLAM2（20）查找基础矩阵

特征点坐标进行归一化，选择归一化之后的特征点，八点法计算基础矩阵，评分并评优

2024-02-25 13:02:44 6981

原创 SLAM ORB-SLAM2（19）特征点三角化

通过Triangulate函数计算投影矩阵，恢复三维点。再检查三维点的深度值、视差角和投影至图像上的重投影误差。

2024-02-22 22:00:13 7620

原创 SLAM ORB-SLAM2（18）分解单应矩阵

根据推导的公式对应从单应矩阵 H 分解出旋转矩阵 R 和平移矩阵 t，并对8个解进行三角化测量，选取最多在相机前方的good点作为最优解，并判断是否符合最优解的条件

2024-02-03 08:45:00 7649

原创 SLAM ORB-SLAM2（17）单应矩阵的分解推导

单应矩阵的分解旋转矩阵和平移矩阵的推导过程

2024-01-28 00:45:00 8421

原创 SLAM ORB-SLAM2（23）运动模型跟踪

介绍了根据匀速运动模型估计相机位姿的过程。先根据匀速运动模型，估计一个相机位姿，再通过投影关系搜索匹配特征点。最后使用 g2o 构建一个以相机位姿为优化变量，地图点到像素投影误差为约束的图，优化相机位姿估计，进一步筛选误匹配的地图点

2024-01-07 15:21:46 9284

原创 SLAM ORB-SLAM2（16）奇异值分解

先介绍了特征分解，再介绍SVD的定义，说明SVD中右奇异向量u、左奇异向量v和奇异值矩阵∑，并进行分解举例。有了初步了解后，说明几何意义和奇异值矩阵中奇异值的含义。最后用求解超定方程解释SVD中的右奇异矩阵的最后一列为单应矩阵的最优解。

2024-01-07 14:02:05 519

原创 SLAM ORB-SLAM2（15）单应矩阵的计算和评分

单应矩阵的概念、计算原理和重投影误差评分

2024-01-07 00:45:00 9602

原创 SLAM ORB-SLAM2（14）特征点坐标归一化

使得特征点的质心坐标为[0, 0]，各坐标到中心的横纵平均差为 1，那么平均距离为根号二

2023-12-31 00:15:00 9896

原创 SLAM ORB-SLAM2（13）查找单应矩阵

计算单应矩阵过程：1. 特征点坐标进行归一化2. 选择归一化之后的特征点3. 八点法计算单应矩阵4. 评分并评优

2023-12-24 00:45:00 10373

原创 SLAM ORB-SLAM2（12）估算运动并初始地图点

单目相机初始化核心（估算两帧间相对运动并初始地图点）过程：1. 梳理特征点对的匹配关系；2. 在两个线程中以RANSAC策略并行的计算单应矩阵和基础矩阵；3. 根据评判标准在单应矩阵和基础矩阵之间选择一个模型；4. 根据选定的模型分解相机的旋转矩阵和平移向量，并对匹配的特征点进行三角化；5. 建立关键帧和地图点，进行全局BA优化；6. 以参考帧下深度的中位数为基准建立基础尺度。

2023-12-17 00:45:00 8833