現在演示如何使用稀疏的直接法
為了保持程式簡單，使用 rgb-d 資料而非單目資料，這樣可以省略掉單目的深度恢復部分
基於特徵點的深度恢復已經在 視覺slam筆記（34） 三角測量 介紹過了
而基於塊匹配的深度恢復將在後面介紹
所以這裡考慮 rgb-d 上的稀疏直接法vo（visual odometry，視覺里程計）
由於求解直接法最後等價於求解乙個優化問題
因此可以使用 g2o 或 ceres 這些優化庫幫助我們求解
以 g2o 為例設計實驗，在使用 g2o 之前，需要把直接法抽象成乙個圖優化問題
顯然，直接法是由以下頂點和邊組成的：
優化變數為乙個相機位姿，因此需要乙個位姿頂點
由於在推導中使用了李代數，故程式中使用李代數表達的 se(3) 位姿頂點
與
視覺SLAM（3） RGBD相機的點雲資料生成
本節展示了如何將rgbd的深度及影象資訊轉換為點雲資料的過程，轉換的公式需要一定的相機模型的基礎知識，可以參考高翔的 視覺slam十四講 這裡以奧比的一款相機為例，理論都比較簡單，理解起來並不困難，這裡直接貼上 include include include include include incl...
視覺SLAM學習筆記3
座標系間的變換關係，可描述為兩個座標系間的旋轉關係和平移 設定乙個慣性座標系 世界座標系 它固定不動，而相機或機械人是移動座標系，對於同乙個向量p，在世界座標系下的座標pw和相機座標系下的pc是不同的，這個變換關係由座標系間的變換矩陣t來描述 相機運動是乙個剛體運動，也就是保證同乙個向量在各座標系下...
視覺SLAM學習筆記4
使用a ra t表示歐氏空間的旋轉和平移的變換關係是非線性的，則當進行多次變化後表示式會變得很複雜，因此引入齊次座標和變換矩陣重寫式 在三位向量末尾新增1，變成四維向量，稱為齊次座標，旋轉和平移都寫在乙個矩陣裡，則變換關係變成線性關係，矩陣t稱為變換矩陣 對於齊次座標，某個點x的每個分量同乘非0常數...