视觉SLAM/VIO开源代码解析课程学习总结笔记

CH1:ORB_SLAM2

第一节:基本框架与预备知识

知识点1:求解相机位姿篇(1)

通过已经有的匹配好的特征点求解旋转矩阵R,平移向量t,缩放因子s

1.1给定的匹配特征点是3D-3D时——ICP法

ICP法(Iterative Closest Point):以我的理解就是先建立匹配好的前后时刻的两团点的坐标系o-xyz(其中这个坐标系里的点团叫做pi)与o’-xyz(同理叫qi),根据旋转R平移t缩放s让点团pi与qi重合,即:pi=s·R·qi+t.但实际情况中由于噪声的原因他们并不重合,那就求出最优的旋转平移缩放的参数,让这个误差尽量小。

  • 具体流程:
    step1:对两个时刻对同一目标(假如是一棵树)分别得到的相应位置观察到的两团特征点建立相应的坐标系o-xyz,o’-x’y’z’(建立坐标系小tip:三点法)
    step2:把第一时刻的3D点(xyz)投影到o-xyz中,得到Rw2o,把第二时刻的3D点(x’y’z’)投影到o’-x’y’z’中,得到Rw2o‘.从而得到初始的Ro2o’=Rw2o‘·Rw2o.
    step3:根据几何关系pi=s·R·qi+t,建立目标函数最小化问题:
    即:min(r,t)∑(i=0~n-1)||pi=s·R·qi+t||²
    step4:对上式拆开,整理成两部分:与R,s有关的一个式子+与t有关的一个式子,分别对两个部分求解,得到最优的缩放因子s与最优的平移量t.

  • 具体公式:暂无

Logo

魔乐社区(Modelers.cn) 是一个中立、公益的人工智能社区,提供人工智能工具、模型、数据的托管、展示与应用协同服务,为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作,由全产业链共同建设、共同运营、共同享有,推动国产AI生态繁荣发展。

更多推荐