视觉slam

风与铃的约定

2.2 视觉SLAM 实践：EigenEigen 是一个 C++ 开源线性代数库。它提供了快速的有关矩阵的线性代数运算，还包括解方程等功能。许多上层的软件库也使用 Eigen 进行矩阵运算，包括 g2o、Sophus 等。

视觉SLAM-基本原理以视觉传感器作为感知方式的SLAM称为视觉SLAM。按照建图稀疏程度来分，视觉SLAM技术可以分为稀疏SLAM，半稠密SLAM和稠密SLAM。虽然同为SLAM系统，但它们的侧重点并不完全一样。SLAM 系统最初的设想是为机器人提供在未知环境中探索时的定位和导航能力，其核心在于实时定位。以定位为目的，需要建立周围环境的路标点地图，进而确定机器人相对路标点的位置，这里的路标点地图即稀疏地图，地图服务于定位。但随着算法和算力的进步，SLAM逐渐被用于对环境的重建，也即把所有看到的部分都完整的重建出来。视觉SLA

自学SLAM（9）《第五讲：特征点法视觉里程计》作业ORB(Oriented FAST and BRIEF) 特征是 SLAM 中⼀种很常⽤的特征，由于其⼆进制特性，使得它可以⾮常快速地提取与计算 [1]。下⾯，你将按照本题的指导，⾃⾏书写 ORB 的提取、描述⼦的计算以及匹配的代码。代码框架参照computeORB.cpp ⽂件，图像见 1.png ⽂件和 2.png。

自学SLAM（8）《第四讲：相机模型与非线性优化》作业小编研究生的研究方向是视觉SLAM，目前在自学，本篇文章为初学高翔老师课的第四次作业。现实⽣活中的图像总存在畸变。原则上来说，针孔透视相机应该将三维世界中的直线投影成直线，但是当我们使⽤⼴⾓和鱼眼镜头时，由于畸变的原因，直线在图像⾥看起来是扭曲的。本次作业，你将尝试如何对⼀张图像去畸变，得到畸变前的图像。

自学SLAM（6）相机与图像实践：OpenCV处理图像与图像拼接(点云)如果写过SLAM14讲第一次的作业，或者看过我之前的运行ORB_SLAM2教程应该都安装过OpenCV了，如果没有安装，没关系，可以看我之前的博客，里面有如何安装OpenCV。链接: 运行ORB-SLAM2（含OpenCV的安装）

2023视觉SLAM的研究改进方向传统的视觉SLAM算法通常假设场景是静态的，这种假设对于动态场景是不适用的。在动态场景中，物体的位置和姿态会发生变化，这会对视觉SLAM算法的精度和鲁棒性造成很大的影响。因此，研究如何检测和跟踪动态物体、如何对动态物体进行建模和如何将动态物体的信息融合到SLAM算法中是非常重要的。

释怀°Believe

视觉SLAM【第二讲-初识SLAM】视觉SLAM，主要指的是利用相机完成建图和定位问题。如果传感器是激光，那么就称为激光SLAM。定位（明白自身状态（即位置））+建图（了解外在环境）。视觉SLAM中使用的相机与常见的单反摄像头并不是一个东西，它更简单，不携带昂贵的镜头，以一定速率拍摄周围环境，形成一个连续的视频流。在SLAM（同时定位与地图构建）中，常用的相机种类包括以下几种：