vslam

三角形法恢复空间点深度如下图，以图 I 1 I_1 I1为参考，图 I 2 I_2 I2的变换矩阵为 T T T。相机光心为 O 1 O_1 O1和 O 2 O_2 O2。在图 I 1 I_1 I1中有特征点 p 1 p_1 p1，对应图 I 2 I_2 I2中有特征点 p 2 p_2 p2。理论上直线 O 1 p 1 O_1p_1 O1p1 与 O 2 p 2 O_2p_2 O2p2 在场景中会相交于一点 P P P，该点即是两个特征点所对应的地图点在三维场景中的位置。(由于噪声的影响，这两条直线往往无法相交)。简言之，在已

多场景通吃，INDEMIND视觉导航方案赋能服务机器人更多可能打破场景限制，不一样的“斜杠青年”。随着服务机器人不断进入到商场、超市、写字楼、酒店等新场景，场景的多样化和复杂度也在明显提升，由于场景的独特性，对于机器人的要求也千差万别，这意味机器人需要更强大的适应性，并同时满足使用体验、成本等要求。

ORB-SLAM2算法12之单目初始化InitializerORB-SLAM2算法7详细了解了System主类和多线程、ORB-SLAM2学习笔记8详细了解了图像特征点提取和描述子的生成、ORB-SLAM2算法9详细了解了图像帧、ORB-SLAM2算法10详细了解了图像关键帧及ORB-SLAM2算法11详细了解了地图点，本文主要学习ORB-SLAM2中的单目初始化Initializer类。

ORB-SLAM2算法10之图像关键帧KeyFrameORB-SLAM2算法7详细了解了System主类和多线程、ORB-SLAM2算法8详细了解了图像特征点提取和描述子的生成及ORB-SLAM2算法9详细了解了图像帧，本文在此基础上，继续学习ORB-SLAM2中的图像关键帧，也就是KeyFrame类，该类中主要包含关键帧姿态计算、关键帧之间共视图、生成树及地图点操作等函数。

ORB-SLAM2学习笔记7之System主类和多线程ORB-SLAM2是一种基于特征的视觉SLAM（Simultaneous Localization and Mapping）系统，它能够从单个、双目或RBGD相机的输入中实时地同时定位相机的位置，并构建环境的三维地图。ORB-SLAM2是在ORB-SLAM的基础上进行改进和扩展的版本。

ORB-SLAM2学习笔记6之D435i双目IR相机运行ROS版ORB-SLAM2并发布位姿pose的rostopicORB-SLAM2学习笔记1已成功编译安装ROS版本ORB-SLAM2到本地，以及ORB-SLAM2学习笔记5成功用EuRoc、TUM、KITTI开源数据来运行ROS版ORB-SLAM2，并生成轨迹。但实际ROS视觉SLAM工程落地时，一般搭配传感器实时发出位姿pose的rostopic，本篇就以D435i相机的双目IR相机作为输入，运行ROS版ORB-SLAM2，最后发出pose的rostopic。

ORB-SLAM2学习笔记3之EuRoc开源数据集运行ORB-SLAM2生成轨迹并用evo工具评估轨迹ORB-SLAM2学习笔记1 已成功编译安装ORB-SLAM2到本地，本篇目的是用EuRoc开源数据来运行ORB-SLAM2，并生成轨迹，最后用evo评估工具来评估ORB-SLAM2生成的轨迹和真值轨迹。