從九月開學到現在小半年了，slam也學了三個月了，今天看完了orb-slam2**，算是入門了吧。小總結一波。
（ps:目前還是入門級，本文只是個人學習的一些經驗和slam的乙個大概流程）。
下面從我的經驗上列一下要準備的工具：
視覺slam14講這個不必多說了，目前堪稱聖經；
ubuntu筆記本16.04或14.04都可以，如果沒接觸過ubuntu，建議使用14.04，不然你可能會跑不起來14講例程；
相機或者機械人這是必須的，雖然你可能暫時並用不到；
一本opencv書籍如果有多檢視幾何那就最好了；
剛開始大概只需要這些，高博最新翻譯的機械人學中的狀態估計比14講還要基礎，值得一看。
一張圖來說明vo的工作流程：
p0、p1、p2為世界座標系下空間點座標（就是你屋裡各個物體的位置）
x、y、z為相機座標系，方框就代表相機
相機0、1、2代表相機運動軌跡
當相機在位置0時觀測到了p0，我們得到了乙個畫素座標（u，v），根據相機內參我們可以計算出p0點在相機座標系下的座標。相機運動到位置1時，觀察到了p0和p1，同樣我們可以得到p0、p1在相機座標系下的座標，跟據特徵匹配，p0點是位置0和位置1的共視點。那麼，相機1的外參就是p0點的世界座標到p0點相機座標之間的旋轉矩陣。得到相機1的外參後，我們就能夠計算出p2點的世界座標，同理可以得出相機3的外參。
視覺SLAM 視覺SLAM相關開源演算法總結
第乙個實時 單目slam系統，基於ekf優化。單目，只有tracking，進行了有效的特徵點對的匹配。之後有enft slam.適用於各種各樣的相機，除了常見的單目，雙目，rgb d的分類，還適用於透視 魚眼甚至自己設計的相機。通過使用apriltag基準標記實現slam 76 提出了一種基於李代數...
視覺SLAM（一） 視覺SLAM框架
主要參考書目是高翔博士的 視覺slam十四講 中間會記錄一些個人實踐經驗和思考。slam伴隨著機器視覺發展和機械人導航已經相對成熟，形成了合理高效的基本框架。主要包含 感測器資料 前端視覺里程計 後端優化 回環檢測 建圖。採集根據不同應用場景和需求進行選擇，主要有如下幾種感測器 也就是單獨乙個攝像機...
視覺SLAM習題
視覺slam習題彙總 持續更新 ch3矩陣提取 主要是利用 block 對應習題提取左上角3x3矩陣 include include includeusing namespace std int main int argc,char argv 按照官網給出的計算方法，編譯出現 error eigen...