SLAM_1 视觉SLAM十四讲

第二讲：初识SLAM

2.1 相机：

2.1.1 相机的本质：

• 以二维投影形式记录了三维世界的信息
• 此过程丢掉了一个维度：距离

2.1.2 各类相机主要区别：

有没有深度信息

• 单目：没有深度，必须通过移动相机产生深度 Moving View Stereo
• 双目：通过视差计算深度Stereo
• RGBD：通过物理方法测量深度
  • 深度相机：
    • 物理手段测量深度
    • 结构光ToF
    • 主动测量，功耗大
    • 深度值较准确
    • 量程较小，易受干扰

单目相机计算量比较大，需要初始化。单张图像不具备尺度信息。

2.1.3 相机公共点：

• 利用图像和场景的几何关系，计算相机运动和场景结构Motion & Structure
• 三维空间的运动和结构
• 图像来自连续的视频

第三讲 ： 三维空间刚体运动

向量：

内积、外积

Q：坐标系之间的转换？

旋转矩阵

3.3、旋转向量，欧拉角

Q：角轴描述旋转，和旋转矩阵的相互转换？

描述两个坐标系之间的转换：

1. 旋转矩阵
2. 角轴
3. 欧拉角（Z-Y-X轴分别转多少度）存在奇异性问题

3.4、四元数

eigen开源库

第三讲课后习题

第四讲：李代数和李群

第四讲课后习题

雅可比矩阵

第五讲：相机的成像

第六讲：非线性优化

关于函数的求导？

第七讲：视觉里程计

图像特征点性质：

1. 可重复性
2. 可区别性
3. 高效率
4. 本地性

特征点由关键点和描述子组成。

FAST角点检测

灰度质心法

快速近似最近邻（FLANN）

RANSAC(随机采样一致性)

三角测量

7.7 3D-2D： PnP

7.7.1 直接线性变换

7.7.2 Bundle Adjustment

7.9 3D-3D：ICP

7.9.1 SVD

矩阵的范数

第八讲：视觉里程计 2

直接法

Lucas-Kanade 光流