SLAM中直接法分类及对应的项目

从视觉图像直接恢复出相机位姿和场景结构的方法主要可以分为两类：

第一类是基于特征的方法。这种方法的标准流程就是：对每一帧图像进行特征提取，并构建描述子，然后通过计算帧与帧之间描述子的距离匹配特征点，再通过对极几何的进行相机的位姿初步计算以及最小化重投影误差进行位姿和特征点三维坐标优化。

第二类是基于直接法。即不需要进行特征提取，用局部像素的梯度和方向值进行计算，优化出相机的位姿和三维点。

基于特征的方法主要的是ORBSLAM，对每一帧图像进行FAST特征提取，而后通过比较特征点之间brief描述子的距离进行特征点匹配。匹配后的特征点通过2D-2D的方式计算出两帧图像之间的转换矩阵，而后再通过最小化重投影误差进行优化。这就是Tracking部分的主要工作，当然，在LOcalMapping 和 loopclosing线程还有对特征点的三维点进行优化，当然也是通过最小化重投影误差。

直接法：

1. 思路：

已知三维点P在相机1中对应的像素点为p1，则可以根据当前相机位姿的估计值，寻找到P在相机2中对应的像素值p2；

2. 优化变量：

优化光度误差，也就是P在两张图片中对应的两个像素点p1，p2之间的亮度误差；

3. 分类：根据在图像中选用的P的来源，可以将直接法分为以下三类

1. 稀疏直接法： P来自于稀疏关键点，只比较关键点周围区域的像素值，不使用描述子；

2. 半稠密：只使用有梯度值的像素点

3. 稠密直接法：使用所有的像素点，但是需要使用GPU加速；

SLAM中直接法分类及对应的项目相关推荐

SLAM | 激光SLAM中开源算法对比
点击上方"AI算法修炼营",选择加星标或"置顶" 标题以下,全是干货前面的话好久没有更新SLAM系列的文章了,前面我们讲到了激光SLAM技术.基于激光雷达的 ...
深蓝学院-视觉SLAM课程-第7讲作业：SLAM中g2o入门详解，直接法BA
1. 引言在SLAM中,BA是个重要的部分,前后端很多地方都用得到,而g2o是一个很重要的使用图优化求解优化问题的库,所以有必要熟练掌握,尽管有了些C++的底子,但是看g2o的代码还是比较吃力,所以 ...
SLAM | 视觉SLAM中的后端：后端优化算法与建图模板
点击上方"AI算法修炼营",选择加星标或"置顶" 标题以下,全是干货前面的话前面系列一中我们介绍了,VSLAM 是利用多视图几何理论,根据相机拍摄的图像信息 ...
二十五.SLAM中Mapping和Localization区别和思考
专栏系列文章如下: 一:Tixiao Shan最新力作LVI-SAM(Lio-SAM+Vins-Mono),基于视觉-激光-惯导里程计的SLAM框架,环境搭建和跑通过程_goldqiu的博客-CSDN ...
深度学习结合SLAM的研究思路/成果整理之（一）使用深度学习方法替换SLAM中的模块
整理了部分近两年深度学习结合SLAM的一些研究成果(参考知乎帖子https://www.zhihu.com/question/66006923 和泡泡机器人公众号,附上论文链接和已找到的源代码/数据集 ...
SLAM中的卡尔曼滤波：究竟滤了谁？
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达在SLAM系统中,后端优化部分有两大流派. 一派是基于马尔科夫性假 ...
重磅直播|慕尼黑工业大学博士详解室内SLAM中的几何约束
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达大家好,本公众号现已开启线上视频公开课,主讲人通过B站直播间,对3D视觉领域相关知识点进行讲解,并在微 ...
视觉SLAM总结——LSD SLAM中关键知识点总结
视觉SLAM总结--LSD SLAM中关键知识点总结视觉SLAM总结--LSD SLAM中关键知识点总结 1. LSD SLAM的创新点/关键点是什么? 2. LSD SLAM的整体框架是怎样的? ...
作为SLAM中最常用的闭环检测方法，视觉词袋模型技术详解来了
摘自:https://mp.weixin.qq.com/s/OZnnuA31tEaVt0vnDOy5hQ 作为SLAM中最常用的闭环检测方法,视觉词袋模型技术详解来了原创小翼飞思实验室今天基 ...

SLAM中直接法分类及对应的项目

SLAM中直接法分类及对应的项目相关推荐

最新文章

热门文章