原创 VINS-Mono理論推導2
Reference VINS-Mono: A Robust and Versatile Monocular Visual-Inertial State Estimator. Quaternion Kinematics for E
2020-07-07 01:02:40
1
原创 VINS-Mono理論推導1
Reference VINS-Mono: A Robust and Versatile Monocular Visual-Inertial State Estimator. Quaternion Kinematics for E
2020-07-03 01:21:38
7
原创 DSO(2)——初始化階段
寫在前面 DSO的初始化着實是十分的難看懂，個人總結爲以下三個原因： 沒有采用常規的（很大程度上是因爲筆者目光比較短淺）本質矩陣或者單應性矩陣求解位姿、三角化初始的landmark確定尺度，而是直接作爲一個優化問題進行優化（恩，
2020-06-19 10:47:10
1
原创 概率相關總結
寫在前面 該文會不定期的進行概率知識的查漏補缺。 概率和概率密度 一般的，用P(X)P(X)P(X)表示概率，ρ(x)\rho(x)ρ(x)表示概率密度。 結論 概率P(X)P(X)P(X)都是離散的值，X表示一系列離散的事件
2020-06-19 10:47:10
原创 DSO(4)——窗口優化
寫在前面 窗口優化這部分的代碼量和理論瞬間就特別多，各種函數和方法也相對很多，邊總結邊梳理吧。 變量和結構 EnergyFunction frames拿着前端的keyframes HM，bM是邊緣化之後的先驗信息 adHost
2020-06-19 09:42:17
16
原创 DSO(5)——零空間的計算與推導
寫在前面 這部分的代碼着實很難，一方面論文中幾乎沒有提這個事情，另一方面這部分的參考資料也確實是比較少，網上能搜索到的基本都是討論FEJ對零空間的保持問題，所以筆者在看這一部分的時候，着實很艱難，寫這篇筆記的時候也是因爲自己的覺得
2020-06-19 09:42:17
4
原创 SLAM線特徵學習（1）——基本的線特徵表示與優化推導
Reference Plucker Coordinates for Lines in the Space. Structure-From-Motion Using Lines: Representation, Triangula
2020-06-19 09:42:05
原创 DSO(1)——DSO論文詳細解讀
Direct Sparse Odometry Abstract 本文提出了一個較爲新穎的直接稀疏里程計（DSO）。整個系統包含了完整的直接法（最小光度誤差）模型，狀態包含相機的位姿，逆深度。爲了達到實時運算，算法去除了直接法添加
2020-06-19 09:42:05
8
原创 DSO(3)——幀間跟蹤
寫在前面 上一篇記錄了DSO的初始化階段，本文主要記錄下對於新幀的追蹤，即tracking，整個部分其實不是很難，主要的思路也簡單，就是由粗到細的進行光度誤差的最小化，以此來計算位姿。 特點 雖然都是最小化光度誤差，這裏先列出D
2020-06-19 09:42:05
5
原创 ubuntu下安裝CLion並激活，親測好用
寫在前面 最近因爲重新裝了虛擬機，各種軟件都重裝了一遍，恨下心都使用了最新的版本，但是有一個很嚴重的弊端就是資料少啊：| 本帖就是在ubuntu14.04下的Clion-2017.3.2的安裝，希望幫助各位的小夥伴。 2019.5.7更新
2020-06-09 22:25:12
原创 ShuffleNet V1/V2整理閱讀
寫在前面 ShuffleNet是曠視提出的兩個輕量級網絡，是目前最快的幾個輕量級網絡之一。這裏主要對兩個版本的論文進行閱讀整理。不足之處還請路過的大神指點。 ShuffleNet V1 Group Convolution 這
2020-06-09 22:25:11
原创 一文總結SLAM中的深度濾波問題
寫在前面 本文會比較長，因爲本身這部分就比較複雜，筆者自身加入了自己的一些思考和理解，不對的地方請及時指出，一同進步。 Reference Semi-Dense Visual Odometry for a Monocular
2020-05-13 21:23:12
原创 深入理解SLAM中的Marginalization
寫在前面 本文主要是對於Decoupled, Consistent Node Removal and Edge Sparsification for Graph-based SLAM前半部分的解讀，論文可謂是短小精悍，個人花了很多
2020-02-27 04:55:10
56
原创 VIO學習(1)——IMU-Model
寫在前面 這次來總結一下IMU的一些東西，主要包含： 測量模型 運動模型 IMU的測量模型 通常，我們將IMU的測量模型寫作如下模型（注意不是觀測模型）： wm=wt+bw+nwam=at+ba+na w_m = w_t+b_
2020-02-20 21:01:32
原创 決策樹總結整理
決策樹 特點 決策樹是一種基本的分類與迴歸方法，是一種樹形結構，由內部結點和葉節點組成，其中： 內部結點表示一個特徵和屬性； 葉節點表示最終的分類了； 一個實例如下，其中橢圓爲內部結點，方框爲葉節點： 決策樹與概率分佈
2019-07-05 07:25:05