1. 确定程序框架

根据之前的内容，知道视觉里程计分单目、双目、 RGB-D 三大类
单目视觉相对复杂，而 RGB-D 最为简单，没有初始化，也没有尺度问题

由简入繁，先从 RGB-D 做起
为了方便做实验，将使用数据集而非实际的 RGB-D 相机

在编写一个小规模的库时，通常会建立一些文件夹
把源代码、头文件、文档、测试数据、配置文件、日志等等分类存放，
这样会显得很有条理

如果一个库内容很多，还会把代码分解各个独立的小模块，以便测试。
可以参照 OpenCV 或 g2o 的组织方式，看看一个大中型库是如何组织的
例如， OpenCV 有 core、 imgproc、 features2d 等模块，每个模块分别负责不同的任务
g2o 则有 core、 solvers、 types 等若干种
不过在小型程序里，也可以把所有的东西揉在一起&

视觉SLAM笔记（45）搭建 VO 框架相关推荐

视觉SLAM笔记（3）视觉SLAM框架
视觉SLAM笔记(3) 视觉SLAM框架 1. 经典框架 2. 视觉里程计 3. 后端优化 4. 回环检测 5. 建图 5.1. 度量地图 5.2. 拓扑地图 1. 经典框架相机在场景中运动的过程, ...
视觉SLAM笔记（46）基本的 VO
视觉SLAM笔记(46) 基本的 VO 1. 特征提取和匹配 2. 两两帧的视觉里程计 3. 匹配特征点 4. 简单的检测 1. 特征提取和匹配实现 VO,先来考虑特征点法.它 VO 任务是,根据输 ...
视觉SLAM笔记（65）简约总结
视觉SLAM笔记(65) 简约总结参考: <视觉SLAM十四讲> 视觉SLAM笔记(3) 视觉SLAM框架视觉SLAM笔记(20) 单目相机模型视觉SLAM笔记(32) 2D-2D: ...
视觉SLAM笔记（57）回环检测
视觉SLAM笔记(57) 回环检测 1. 回环检测的意义 2. 实现方法 3. 准确率和召回率 4. 词袋模型 1. 回环检测的意义前端提供特征点的提取和轨迹.地图的初值而后端负责对这所有的数据进 ...
视觉SLAM笔记（48）局部地图
视觉SLAM笔记(48) 局部地图 1. 迭代优化的问题 2. 特征点引入地图 2. 地图 3. 地图点类 3. 视觉里程类 3.1. 关键帧 3.2. 优化地图 3.3. 特征匹配 4. 结果对比 ...
视觉SLAM笔记（47）优化 PnP 的结果
视觉SLAM笔记(47) 优化 PnP 的结果 1. 迭代优化 2. 优化边 3. 姿态估计 4. 结果对比 1. 迭代优化尝试 RANSAC PnP 加上迭代优化的方式估计相机位姿看看是否对视 ...
视觉SLAM笔记（30）特征点法
视觉SLAM笔记(30) 特征点法 1. 特征点法 2. 特征点 3. ORB 特征 3.1. FAST 关键点 3.2. BRIEF 描述子 4. 特征匹配 1. 特征点法视觉 SLAM 主要分为 ...
视觉SLAM笔记（2）相机
视觉SLAM笔记(2) 相机 1. 相机分类 2. 单目相机 3. 双目相机 4. 深度相机 1. 相机分类在 SLAM 中,非常强调未知环境在理论上,没法限制"小萝卜"的使用 ...
视觉SLAM笔记（52） BA 与图优化
视觉SLAM笔记(52) BA 与图优化 1. Bundle Adjustment 2. 投影模型和 BA 代价函数 3. BA 的求解 4. 稀疏性和边缘化 5. 鲁棒核函数 1. Bundle A ...

视觉SLAM笔记（45）搭建 VO 框架

视觉SLAM笔记（45）搭建 VO 框架

1. 确定程序框架

视觉SLAM笔记（45）搭建 VO 框架相关推荐

最新文章

热门文章

视觉SLAM笔记（45） 搭建 VO 框架

视觉SLAM笔记（45） 搭建 VO 框架

1. 确定程序框架

视觉SLAM笔记（45） 搭建 VO 框架相关推荐

最新文章

热门文章

视觉SLAM笔记（45）搭建 VO 框架

视觉SLAM笔记（45）搭建 VO 框架

视觉SLAM笔记（45）搭建 VO 框架相关推荐