- 博客(11)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 三角测量原理及代码实现
在单目SLAM中，仅通过单张图像无法获得像素的深度信息，我们需要通过三角测量（Triangulation )(或三角化)的方法估计地图点的深度，如图7-11所示。在使用对极几何求解本质矩阵或者基础矩阵后就可以恢复出旋转矩阵和平移向量了，但是由于本质矩阵E的尺度等价性，分解得到的平移向量t具有一个尺度，换言之，在分解过程中，t乘以任意非零常数，分解都是成立的，因此，通常把。求取旋转，但仅有旋转时，我们无法用三角测量估计特征点的空间位置（这将在下文提到)，于是，另一个结论是，在单目视觉中，我们对两张图像的。
2024-04-10 18:26:11
291
原创 C++利用图像匹配求解相机位姿（2D-2D）
视觉SLAM十四讲（第二版）-165页到172页；主要讲述了对极几何相关的理论，本质矩阵、基础矩阵以及单应矩阵的定义和求解方法；理解了其中的原理才能更好的编写程序，在此不再赘述。
2024-04-09 16:52:41
367
原创 在图像序列中基于二进制词袋的快速地点识别
我们提出了一种新的方法，使用从FAST+BRIEF特征中获得的二进制词袋进行视觉地点识别。首次，我们构建了一个，这个词汇树离散化了二进制描述符空间（a binary descriptor space），并使用该树加速几何对应关系的验证。使用完全相同的词汇和设置，我们在不同的数据集上呈现了竞争性的结果，没有误报。整个技术，包括特征提取，在一个包含26300张图像的序列中每帧需要22毫秒，比以前的方法快一个数量级。
2024-04-08 18:04:00
766
原创 使用C++实现最小二乘曲线拟合（使用Ceres实现）
高斯牛顿法实现时，需要根据目标函数计算雅可比矩阵，进一步计算海森矩阵，当目标函数比较简单时，雅可比矩阵和海森矩阵的计算比较容易，但是当当待估计的参数较多，并且目标函数比较复杂时，雅可比矩阵的计算非常复杂，因此引入谷歌的Ceres库，在使用Ceres进行曲线拟合之前
2024-04-07 13:53:25
898
原创 使用C++实现最小二乘曲线拟合(视觉SLAM十四讲)
详细的理论部分请看视觉SLAM14讲（第二版），从132页开始的6.3节，曲线拟合问题，第一小节6.3.1-手写高斯牛顿法，这里有非常详细的介绍，此处不再赘述！！！，此外，在下面还写了我自己的一些理解。
2024-04-07 11:38:56
764
原创 wide&deep模型使用函数式API
tf_keras_regression_wide&deep 模型使用函数式API重点：模型编译处的loss函数的定义创建模型处最后的输出只有一个神经元wide and deep 模型使用函数式API1-导入依赖import tensorflow as tfimport numpy as npimport pandas as pdimport matplotlib.pypl...
2020-03-04 08:52:34
214
原创 tf_keras_regression_wide_deep_multi_intput（wide￥deep模型的多输入）
Sklearn实战线性回归（9）重点：模型编译处的loss函数的定义创建模型处最后的输出只有一个神经元wide and deep 模型使用函数式API1-导入依赖import tensorflow as tfimport numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport osimport s...
2020-03-02 21:14:02
167
原创 tf_keras_regression_wide_deep_multi_output
多输出重点：模型编译处的loss函数的定义创建模型处最后的输出只有一个神经元wide and deep 模型使用函数式API1-导入依赖import tensorflow as tfimport numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport osimport sysfrom tenso...
2020-03-02 20:43:56
255
雅克比、高斯赛德尔与超松弛迭代法
2018-11-07
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人