pnp（perspective-n-point）是求解 3d 到 2d 點對運動的方法
它描述了當知道 n 個 3d 空間點以及它們的投影位置時，如何估計相機所在的位姿
在 視覺slam筆記（32） 2d-2d: 對極幾何中 2d-2d的對極幾何方法
需要八個或八個以上的點對（以八點法為例）
且存在著初始化、純旋轉和尺度的問題
然而，如果兩張影象中，其中一張特徵點的 3d 位置已知
那麼最少只需三個點對（需要至少乙個額外點驗證結果）就可以估計相機運動
特徵點的 3d 位置可以由三角化，或者由 rgb-d 相機的深度圖確定
因此，在雙目或 rgb-d 的視覺里程計中，可以直接使用 pnp 估計相機運動
而在單目視覺里程計中，必須先進行初始化，然後才能使用 pnp
3d-2d 方法不需要使用對極約束，又可以在很少的匹配點中獲得較好的運動估計
是最重要的一種姿態估計方法
pnp 問題有很多種求解方法，例如：
2D視覺與3D視覺分析
2d技術起步較早，技術也相對成熟，在過去的30年中已被證明在廣泛的自動化和產品質量控制過程中非常有效。2d技術根據灰度或彩色影象中對比度的特徵提供結果。2d適用於缺失 存在檢測 離散物件分析 圖案對齊 條形碼和光學字元識別 ocr 以及基於邊緣檢測的各種二維幾何分析，用於擬合線條 弧線 圓形及其關係...
SLAM第6章 求解位姿變換 2D 2D
第3至5章講了3d 3d和3d 2d問題，為了全面介紹相機位姿的求解方法，本章介紹2d 2d問題。根據3d 3d和3d 2d問題的描述，就可以理解2d 2d問題 相機在兩個位置看到了同樣的3維點，即知道畫素座標，求這兩個相機的位姿關係。對極幾何有極線 極點等概念，而我們不需要這些，只需要知道空間向量...
2D雷射SLAM演算法比較 cartographer
hector slam hector slam利用高斯牛頓方法解決scan matching問題，對感測器要求較高。缺點 需要雷達 lrs 的更新頻率較高，測量雜訊小。所以在製圖過程中，需要robot速度控制在比較低的情況下，建圖效果才會比較理想，這也是它沒有回環 loop close 的乙個後遺症...