catia怎么将特征参数化_VSLAM中特征点的参数化表示
VSLAM中特征点的参数化表示有很多,最直接的是用三维坐标XYZ来表示,但通常大家更喜欢用逆深度表示,因为逆深度优势在于能够建模无穷远点。Open VINS文档中给出了五种特征参数化表示:Global XYZ,Global Inverse Depth,Anchored XYZ,Anchored Inverse Depth,Anchored Inverse Depth (MSCKF Version),区别在于:
- Global vs Anchored:特征点的表示是全局坐标系的坐标还是局部相机坐标系的坐标。
- XYZ vs Inverse Depth:使用的XYZ还是逆深度
- Two different Inverse Depth:两种不同类型的逆深度参数
特征的参数化表示即以何种方式表示特征点的位置,在优化中它决定了特征以何种参数进行的迭代更新
本文理论推导全部参考Open VINS,感兴趣的可以直接阅读原版,链接如下:
Measurement Update Derivations " Camera Measurement Updatedocs.openvins.com
1. 特征点重投影过程
设k时刻特征在图像上的投影为
- 特征参数转换为特征点的全局坐标:
- 特征点的全局坐标转到观测相机坐标系:
- 相机坐标系投影到normalize平面:
- normalize平面转到图像平面:
根据链式法则有:
下面分别计算每一步的转换关系及Jacobian。
a. normalize平面转到图像平面
对于Normalize平面上的观测点
转换关系:
- 对于Radial畸变模型:
- 对于Fisheye畸变模型:
Jacobian:
- 对于Radial畸变模型:
- 对于Fisheye畸变模型:
b. 透视投影
转换关系:
Jacobian:
c. 刚性变换
转换关系:
Jacobian:
2. 特征参数表示
针对不同的特征参数表示
a. Global vs Anchored
Global XYZ表示为:
Anchored XYZ表示选择某个相机坐标系作为Anbchor坐标系
值得一提的是参考文档中将世界系中的相机位姿拆分成了IMU位姿以及相机到IMU的外参,这样是为了分别对IMU位姿和相机外参求Jacobian,这里只讨论了对特征点的Jacobian,所以未进行拆分。
b. 球坐标逆深度 vs MSCKF逆深度
逆深度顾名思义是用
逆深度的好处是能够表示无穷远点(
单位方向向量
- 球坐标表示:
- MSCKF表示:
可以看到MSCKF的
将Achored和逆深度结合起来得到Anchored逆深度表示:
catia怎么将特征参数化_VSLAM中特征点的参数化表示相关推荐
- SVO: 视觉SLAM中特征点法与直接法结合
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 前面的话 VSLAM 是利用多视图几何理论,根据相机拍摄的图像信息 ...
- SLAM | 视觉SLAM中特征点法与直接法结合:SVO
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 前面的话 VSLAM 是利用多视图几何理论,根据相机拍摄的图像信息对相机进行定位并同时构建周围环境地图 ...
- 目标检测中特征融合技术(YOLO v4)(下)
目标检测中特征融合技术(YOLO v4)(下) ASFF:自适应特征融合方式 ASFF来自论文:<Learning Spatial Fusion for Single-Shot Object D ...
- 目标检测中特征融合技术(YOLO v4)(上)
目标检测中特征融合技术(YOLO v4)(上) 论文链接:https://arxiv.org/abs/1612.03144 Feature Pyramid Networks for Object De ...
- 竞赛专题(四)特征工程-竞赛中的必杀技
点击上方"Datawhale",选择"星标"公众号 第一时间获取价值内容 为了帮助更多竞赛选手入门进阶比赛,通过数据竞赛提升理论实践能力和团队协作能力.Data ...
- 特征重要性、特征集成+FeatureUnion、特征选择变换器+ColumnTransformer、标签特征变换+TransformedTargetRegressor、特征质量、自动学习数据中的特征
特征重要性.特征集成+FeatureUnion.特征选择变换器+ColumnTransformer.标签特征变换+TransformedTargetRegressor.特征质量.自动学习数据中的特征 ...
- php对象的三大特征,关于php中面向对象的三大特征(封装/继承/多态)
最近在学习php的过程中发现它其实比java的语言要松散很多,而且很多人说上手比较容易,但是智言我个人并不是很认同这样的观点,因为其实java的整个语法规则都非常的有条有理,虽然函数很多,但是至少经常 ...
- 使用OpenCV-python实现颜色特征跟踪视频中的物体
用颜色特征跟踪视频中的物体 文章目录 问题背景和基本思路 核心代码 完整代码和运行效果 问题背景和基本思路 这里模拟提取图片中的手机壳. 发现手机壳有一个显著的特征,就是颜色基本都是蓝色. 所以这里尝 ...
- 计算机视觉CV中特征点方法相关函数的学习笔记~
1 致谢 感谢网友大奥特曼打小怪兽的帮助 原文链接如下: https://www.cnblogs.com/zyly/p/9646201.html 1 前言 特征点方法是计算机视觉传统目标检测方法中很常 ...
最新文章
- Mysql 源码安装
- 联邦学习 Federated Learning
- 如何通过Maven的Tomcat插件运行Web工程
- arduino温湿度计库文件_arduino学习笔记八 温湿度计
- .NET中的Assembly分析
- matlab转换为部分分式,matlab部分分式展开
- neo4j order by
- html浮动跟随鼠标,jQuery 图片跟随鼠标浮动
- mysql 密码sa_重置MySQL root密码
- U盘提示磁盘写保护无法强制格式化------使用量产工具解决
- CodeFun-UI 设计稿智能生成前端源代码
- 红楼解梦五--饥饿疗法
- 基于 MATLAB fitcsvm 的 OVR SVM 多分类器实现
- Tomcat 启动 Dubbo 端口占用报错 Address already in use: bind
- 项目管理 :PMO三种角色
- SIKI学习——贪吃蛇案例05
- 【CSS】css清除浮动的几种方法
- TEE系列之GP规范TEE API浅析
- NIN(Network in Network)学习笔记
- Redis中事务用法详解
热门文章
- python替代hadoop_Python连接Hadoop数据中遇到的各种坑(汇总)
- mysql test数据库_mysql数据库test
- unity如何往下挖地形_Unreal Engine地形系统辨析(一)
- mysql在rpm安装方式下查看随机生成密码命令
- html5语义化标签 加粗,html5标签 H5标签
- 向量表示 运动抛物线_流动的美丽函数——抛物线浅谈
- mysqldump备份(全量+增量)
- C#解密出生日期【C#】
- 计算机技术与软件专业技术资格(水平)考试 全国各省市成绩查询
- Tcl与Design Compiler (十二)——综合后处理