前一段時間-一直忙著，沒什麼空寫部落格，最近待在家裡較為清閒，整理一下之前所學的（先從相機與影象這邊開始），
1 。首先明確一點，在我們研究中，共有三個座標系，世界座標系，相機座標系以及畫素座標系（，而我們是在相機，畫素已知的情況下去求出我們想要世界座標系，即相機外參，我們稱為外參）
\6. rgb-d相機模型,目前它有兩個類別（按照原理不同而分別），第一種使用紅外結構光向探測目標發射一段光束，然後根據返回的結構光圖案來估計，物體與自身的距離（然而該相機的缺陷卻是實在，首先範圍會受限制，並且由於使用紅外結構光，非常容易被干擾容易被其他紅外光干擾，無法在室外使用，並且對於透射材質的物體（無法接受紅外光），也無可奈何，這點也在我上學期有幸參加的講座上，一位著名關於雷射三維重建上的權威———一位南非開普敦大學教授給嫌棄了一番）。
\7. 而第二種，tof(飛行時間法，相機向目標發射脈衝光，然後根據傳送與返回之間相差的時間，來計算物體之間相差的距離（然而，由於光的速度太快，導致測量時間變得十分困難，所以我們還是把目光轉向第一種吧）
\8. 雖然rgb-d相機在這些方面都會有些差距，然而相對雷射slam所使用的物體，rgb-d相機著實便宜，相對單目，雙目相機，他又能直接測出深度，所以我們還是把目光轉向rgb-d相機上吧。
\9. 計算機影象處理，
. 讓我們先將目光移到灰度（即沒有使用三原色所組成的）的處理上，首先，我們得提前設每個畫素位置(x,y)都會有乙個灰度值i，則我們假設我們有一張寬度為w,高度為h的影象，我們將它記為乙個矩陣然而計算機是不可能表達整個實數空間的（這是非常難做到的），所以我們只能在乙個範圍內（0到255，乙個位元組（二的八次方）），來表達影象的灰度帶下，比如我們可以將一張寬度為640，高度為480的灰度圖就表示為unsigned char image [480] [640],(這樣我們就可以把乙個圖表示為乙個二維陣列來儲存，第乙個下標對應陣列的行為影象的高度，第二個下標則是列，對應影象的寬度。然而如果是在畫素平面上，我們應該這樣來表示unsigned char image [640] [480](這點我們需要尤其注意，不要被傳統座標系知識所誤導
現在讓我們來梳理一下，各種各樣圖的畫素值的範圍，灰度圖（0到255，八位整數（二進位制））。 深度影象(0到65535，由於測量需要幾十公尺的需要，255顯然不足，16位整數）彩色圖：多通道（rgb,bgr,rgba[多出來的a為透明度）24位（bgr，比如乙個藍色佔了前八位，紅色佔據中間八位…）乙個畫素便佔據了二十四位空間。
\12. 接下來，預計兩天後更新一篇關於本講的**分析，以及對opecv庫(接下來就分別更新對eigen,sophus,pcl庫的分析,(暫時先這樣，最近重灌ubuntu16系統，關於slam所需要配置的許多都丟掉，只能重新配置，這些坑我害怕填不了）
非常抱歉此次有一張用了，因為最近比較頻繁使用word寫公式，而且本人對typora的latex並不是很會用所以導致公式無法顯示，只好換種方法了，
slam學習的知識
1.三維空間的剛體運動 旋轉矩陣 變換矩陣的推導 世界座標系和相機座標系之間的轉換 2.相機的成像模型 1 單目相機的成像原理 小孔成像原理，四個座標系的變換 世界座標系 相機座標系 歸一化相機座標系 畫素座標系 2 雙目相機的成像原理 兩個單目作用 兩條直線相交有且只有乙個交點 3 rgb d相機...
slam學習 基本知識
slam模型的運動方程和觀測方程 方程中的位姿可以用變換矩陣來描述，然後用李代數進行優化 可以用李群表示，但是群比較複雜，用李代數近似模擬，用李代數優化 觀測方程由相機成像模型給出，其中內參是隨著相機固定的，而外參就是指相機的位姿 位置xyz和姿態朝向 由於實際採集的資料都是含有雜訊的，所以視覺sl...
學習SLAM需要哪些預備知識？
本文首發於 學習slam需要哪些預備知識？立黨的回答 學習slam需要哪些預備知識？立黨的回答 首先搬出寶典 multiple view geometry in computer vision。這本書基本涵蓋了vision based slam這個領域的全部理論基礎！讀多少遍都不算多！另外建議配合b...