happzhao-CSDN博客

原创轨迹点整合与保存

单独跑一个线程，执行写入任务TraceSaving *mTraceSaving;mTraceSaving = new TraceSaving; std::thread *tracesaveThread = new std::thread(&TraceSaving::saveTracePoints, mTraceSaving);TraceSaving.h#pragma once#inclu

2017-02-20 14:29:12 849 1

原创 LLVM

从 http://llvm.org/releases/download.html#3.2 这里，选择Download LLVM下的 LLVM source code Clang source code Compiler RT source code 这三项进行下载，下载后进行解压，解压后应该得到三个名字分别为llvm-3.2.src、clang-3.2.src、compiler-r

2016-11-29 15:40:20 605

转载 Jacobian矩阵和Hessian矩阵

1.Jacobian在向量分析中，雅可比矩阵是一阶偏导数以一定方式排列形成的矩阵，其行列式称为雅可比行列式，还有，在代数几何中，代数曲线的雅可比量表示雅可比簇：伴随该曲线的一个代数群，曲线可以嵌入其中。雅可比矩阵雅可比矩阵的重要性在于它体现了一个可微方程与给出点的最优线性逼近，因此，雅可比矩阵类似于多元函数的导数。假设F:Rn→RmF:R_n\rightarrow R_m是一个从欧式n维空间转换

2016-11-15 18:34:47 1493

原创文章标题

#include <stdio.h>#include <stdlib.h>#include <iostream>#include <strsafe.h>class TestStatistics{public: TestStatistics() { fp = fopen("src/TestStatistics/TestStatistics.tx

2016-11-10 15:35:53 240

转载 Mathematical Derivation of the Bayes Filter

一、Pseudo-algorithm **Algorithm Bayes Filter(bel(xt−1,ut,ztx_{t-1},u_t,z_t): for all xt dofor\ all\ x_t\ do bel¯¯¯¯(xt) = ∫ p(xt | ut,xt−1) bel(xt−1) dxt−1\overline{bel}(x_t)\ = \ \int\ p(x_t\

2016-11-06 23:43:18 332

翻译 Covisibility Graph and Essential Graph

1、Covisibility Graph是一个无向有权图(graph),这个概念最早来自2010的文章[Closing Loops Without Places]。简单来说，每个node就是关键帧，edge的权重就是两个关键帧找到足够多的相同的 3d 点的数目。　　2、为了在优化阶段减小计算量，作者提出了Essential Graph的概念，这个能够连接所有的node，但是edge会减少很多。可以认

2016-11-02 00:00:11 3121

原创 Bundle Adjustment

Uses Bundle adjustment 是基于特征点的3D重建算法的最后一步，它相当于3D重建问题和视觉参数（相机内外参以及畸变系数）的最优化问题。假设图像误差是零均值高斯噪声，这就是一个最大似然估计问题。Mathematical defination Bundle adjustment 相当于重新解算使得图像中观察点位置误差值最小的初始相机参数和姿态。假设m个视角中有n个3D点，xi

2016-11-01 22:14:00 955

转载 DBoW2算法

DBoW2是一种高效的回环检测算法，DBow2算法的全称为Bags of binary words for fast place recognition in image sequence,使用的特征检测算法为Fast，描述子为BRIEF描述子，是一种离线方法。算法流程 Bag of Words字典建立方法（最终得到的就是每一层的不同类的median，每一个叶子节点对应的就是一个词汇）

2016-11-01 16:05:01 4999

原创 BRIEF特征描述子

一、定义 BRIEF全称（Binary Robust Indenpendent Elementary Features）它提供了一种计算二值串的捷径，而并不需要去计算一个类似于SIFT的特征描述子。它需要先平滑图像，然后在特征点周围选择一个Patch，在这个Patch内通过一种选定的方法来挑选出来ndn_d个点对。然后对于每一个点对(p,q)(p,q)，我们来比较这两个点的亮度值，如果I

2016-11-01 15:04:11 1363

转载 DLT(Direct Linear Transform)算法

一、定义直接线性变换解法是建立像点的“坐标仪坐标”和相应物点的物方空间坐标直接的线性关系的解法。直接线性变换解法的特点：不归心、不定项不需要内外方位元素的起始值物方空间需布置一组控制点特别适合于处理非量测相机所摄影像本质是一种空间后交-欠交解法。二、推演（ x¯,y¯)[on2,on1] \bar{x}, \bar{y} )[on_2, on_1]\ — 以像主点为原点，不

2016-10-30 22:56:48 25778 2

转载 ORB-Slam

简介 ORB-SLAM是西班牙Zaragoza大学的Raul Mur-Artal编写的视觉SLAM系统。论文 “ORB:a versatile and accurate monocular SLAM system”[1].开源代码包括前期ORB-SLAM[2]和后期的ORB-SLAM2[3].第一个版本主要用于单目SLAM，而第二个版本支持单目、双目和RGBD三种接口。特点 ORB_SLAM是

2016-10-28 00:04:59 1096

转载光流（optical flow）

概念光流是Gibson在1950年首先提出的，它是指空间运动物体在观察成像平面上的像素运动瞬时速度。是利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上一帧跟当前帧之间存在的相应关系。一般而言，光流是因为场景中前景目标本身的移动、相机的运动，或者两者的共同运动所产生的。在这里有两个概念要解释：运动场，事实上就是物体在三维真实世界上的运动。光流场，是运动场在二维图像平面上的投

2016-10-24 15:05:36 7075

转载 cartographer笔记

cartographer采取的是图优化框架，基于google的Ceres构建problem优化，4线程后端优化。1.运动预测部分 catographer利用IMU构建预测模型，ScanMatcher与Odom（可选）构建观测模型，采取UKF进行运动预测。 2.ScanMatcher部分cartographer采取的双搜索方式进行，先用一次real-time correlative scan ma

2016-10-17 00:46:28 4142

原创四元数

四元数（Quaternions）四元数表示旋转用四个变量表示三个自由度的旋转，是不是过约束？其实四元数表示的旋转是被归一化的，所以多一个变量表示Scale。四元数反解角度四元数代数学单位化四元数：四元数向量（代表3D点或者向量），不需要归一化：不同于向量四元数，所有表示旋转的四元数都是单位四元数，绕q旋转向量四元数Qp（q既包含旋转角度也包含旋转轴向量）连

2016-10-12 15:56:05 1569

转载浅谈陀螺仪和加速度计的互补滤波

结合加速度计和陀螺仪的平衡解决方案首先通过ADC采样，读出陀螺仪和编码器的电压值，并将其转化为可用单位： 1.偏移（offset）：让陀螺仪静止，加速度计保持水平并静止，这时候读到电压值，就是偏移值。如果读数不稳定，取平均值即可。 2.转换系数（scale):传感器输出电压值乘以系数，得到我们想要的单位，这个系数可以在传感器的数据手册（data

2016-10-11 18:53:23 21320 6

转载线程类

thread.h#ifndef _CORRECTPOSITION_H__#define _CORRECTPOSITION_H__#include <process.h>#include <iostream>typedef void *HANDLE;class CorrectPosition{public: CorrectPosition(); ~CorrectPosition

2016-08-15 17:22:08 318

原创欢迎使用CSDN-markdown编辑器

求序列的最大连续加权值线性时间花费O(N) 分治法时间花费O(N*logN)/*线性*/int maxSubSum4(const vector<int> &a){ int MaxSub = 0; int thisSub = 0; for (int i = 0; i < a.size(); i++) { thisSub += a[i];

2016-08-12 22:40:16 192

原创求序列的最大连续加权值

分治法时间花费NlogNint max3(int maxLeftSum, int maxRightSum, int maxMerge){return maxLeftSum > maxRightSum ? (maxLeftSum > maxMerge ? maxLeftSum : maxMerge) : (maxRightSum > maxMerge ? maxRightSum : m

2016-08-12 22:10:14 396

原创张氏标定法简述

单目摄像头有内参M=(fx,o,cx, 0, fy, cy, 0, 0, 1)，其中fx为焦距f/x轴单位像元大小，fy为焦距f/Y轴单位像元大小，cx，cy为光心偏移距离（单位像元大小），p=(x,y,1) P=(X,Y,1) p=H*P,其中H为单应矩阵，H=sM(R|t)，s为缩放因子，M为内参，（R|t)为旋转平移矩阵。在一次标定过程中，未知参数有4个内参和6个外参数（转换矩阵），

2016-06-15 22:36:48 2067

翻译隐含马尔科夫模型

隐含马尔科夫模型介绍：隐含马尔科夫模型被广泛用于科学，工程学以及其他领域。定义：隐含马尔科夫模型（HMM）是有限状态机的一个变体，包含一系列隐含状态Q，和一个输出状态（Observation）O，传递概率矩阵（transition probabilities）A,混合概率矩阵B，以及初始化概率pi。当前状态是不可见的，相反，每个状态以恒定概率B产生一个输出状态B

2016-01-20 15:02:27 703