07 手写 BA 优化

07 手写 BA 优化

原理见笔记 《后端 1》

世界坐标系 --> 相机坐标系(外参)--> 归一化坐标 --> 去畸变 --> 像素坐标系(内参)

由此得到的估计值与实际观测到的像素坐标作差,得到二维误差项。

7.1 误差及雅可比矩阵

7.2 Ceres BA 优化

注意残差块的维度:待优化变量分成两块,相机内外参和空间点坐标;残差为像素理论值与实际值之差,为2维。

c++ 复制代码
/*****
 * 计算重投影误差项
 * 定义误差项
*/

#ifndef SNAVELYREPROJECTIONERROR_H
#define SNAVELYREPROJECTIONERROR_H

#include <iostream>
#include <ceres/ceres.h>
#include "common/projection.h"
#include "common/tools/rotation.h"

// 误差项,仿函数
// observation_x, observation_y 实际值
class SnavelyReprojectionError
{
public:
    SnavelyReprojectionError(double observation_x, double observation_y) : observed_x(observation_x), observed_y(observation_y) {}

    template<typename T>

    // 待优化变量分为两块:camera 内外参 9 维; point 空间点 3 维
    // 残差为 2 维
    bool operator()(const T* const camera, const T* const point, T* residuals)
    {
        T predictions[2];
        CamProjectionWithDistortion(camera, point, predictions);         // 计算理论值
        residuals[0] = predictions[0] - observed_x;
        residuals[1] = predictions[1] - observed_y;

        return true;
    }


    static ceres::CostFunction* Create(const double observed_x, const double observed_y)
    {
        // 使用自动求导,模板参数:误差类型,输出维度2,输入维度 9 + 3
        return (new ceres::AutoDiffCostFunction<SnavelyReprojectionError, 2, 9, 3>(
            new SnavelyReprojectionError(observed_x, observed_y)));
    }

private:
    double observed_x;
    double observed_y;
};

#endif

7.3 g2o BA 优化

两个顶点,分别表示相机内外参(9维)、空间点(3维),边为二元边,连接两个顶点。

c++ 复制代码
// 相机顶点 9 维
class VertexCameraBAL : public g2o::BaseVertex<9, Eigen::VectorXd>
{
    
};

// 空间点 3 维
class VertexPointBAL : public g2o::BaseVertex<3, Eigen::Vector3d>
{
    
};

// 定义二元边
// 误差维度2, 误差类型Eigen::Vector2d, 连接两种顶点
class EdgeObservationBAL : public g2o::BaseBinaryEdge<2, Eigen::Vector2d, VertexCameraBAL, VertexPointBAL>
{

};
相关推荐
写代码的小球1 小时前
求模运算符c
算法
大千AI助手5 小时前
DTW模版匹配:弹性对齐的时间序列相似度度量算法
人工智能·算法·机器学习·数据挖掘·模版匹配·dtw模版匹配
YuTaoShao6 小时前
【LeetCode 热题 100】48. 旋转图像——转置+水平翻转
java·算法·leetcode·职场和发展
生态遥感监测笔记6 小时前
GEE利用已有土地利用数据选取样本点并进行分类
人工智能·算法·机器学习·分类·数据挖掘
Tony沈哲7 小时前
macOS 上为 Compose Desktop 构建跨架构图像处理 dylib:OpenCV + libraw + libheif 实践指南
opencv·算法
刘海东刘海东7 小时前
结构型智能科技的关键可行性——信息型智能向结构型智能的转变(修改提纲)
人工智能·算法·机器学习
pumpkin845148 小时前
Rust 调用 C 函数的 FFI
c语言·算法·rust
挺菜的8 小时前
【算法刷题记录(简单题)003】统计大写字母个数(java代码实现)
java·数据结构·算法
mit6.8248 小时前
7.6 优先队列| dijkstra | hash | rust
算法