原创 VS中【F5】與【Ctrl+F5】及【F7】與【Ctrl+F7】的區別

先附上【VS2015常用快捷鍵總結】的鏈接,善用快捷鍵將會極大的提升我們編程的效率和VS的使用體驗。 以前一直使用【F5】進行調試,所以每次執行程序的時候,都得在程序末尾手動添加system(“pause”)或者std::cin.

原创 SfM兩視圖三維點雲重建--【VS2015+OpenCV3.4+PCL1.8】

概述 視覺三維重建,是指使用相機採集的圖片、根據相關知識推導目標物體三維信息的過程。這裏借鑑《視覺SLAM14講》中的分類方法,將視覺三維重建分爲基於特徵點和非提取特徵點的重建。本文旨在使用基於特徵點的重建方法完成相鄰兩張圖片間的

原创 PCL可視化點雲顏色特徵

爲了更加直觀的顯示點雲、使點雲在視窗中比較容易區分,這裏介紹幾種PCLVisualizer可視化類的使用方法。 顯示點雲顏色特徵 該方法(PointCloudColorHandlerRGBField)要求點雲類型包含RGB三個顏色

原创 新松機器人:【示教編程】+【PC離線編程】+【PLC遠程IO】相結合

項目背景 先說一下項目背景,項目要求潮溼的工業環境,在保證機器人末端跟流水線保持相對靜止的情況下,控制末端執行器沿XZXZXZ平面內的點進行移動。 功能要求: 機器人末端執行器實現對工廠流水線的隨動,其中流水線沿下圖YYY軸方向

原创 Bumblebee相機:標定、分離圖像+保存成cv::Mat格式

整理資料發現未對Bumblebee的分離圖像、保存成cv::Mat格式的使用方法留存筆記,這裏補上,備忘。 使用須知 下述Bumblebee相機直接獲取的圖片是左右視圖混合(interleaved)之後的結果,如果需要進行雙目

原创 SfM三維點雲重建:BA優化--【VS2015+OpenCV3.4+PCL1.8】

前言 在SfM多視圖三維點雲重建–【VS2015+OpenCV3.4+PCL1.8】中實現的增量式SfM三維點雲重建,會隨着圖片數量的增加而導致誤差逐漸累積,最後可能無法完成重建。在三維重建中常使用Bundle Adjustmen

原创 三角化公式推導&手撕代碼

前言 三角測量是在已知相機參數和圖像中匹配點的情況下,求解這些匹配點對應的空間點三維座標的方法。針對單目與雙目系統,三角測量的使用方法有所不同。雙目視覺測距原理參見:雙目視覺測距原理深度剖析:一個被忽略的小問題,與雙目相機相比,單

原创 SLAM環境配置:Ubuntu16.04+Clion+Eigen+Ceres+g2o+Sophus+PCL+OpenCV+測試代碼

SLAM環境配置Ubuntu16.04搜狗輸入法谷歌瀏覽器、“梯子”卸載不必要的軟件IDE:Clion環境配置EigenCeresg2oSophusPCL1.8方法1方法2鏈接OpenCV備註 考慮到linux系統可能會出現很多b

原创 char/string與int轉換&&getline()用法

數字與字符、字符串轉換 int ↔ char // 整型 ---> 字符 int i_a = 8; std::string s_a = i_a + '0'; // '0'-'9':ASCII碼爲48-57 // 字符 -

原创 SLAM常見面試題

單目 單目SLAM流程【稀疏】 單目SLAM流程是:初始化–PnP–PnP……。具體方法是依賴對極幾何的相關知識,根據2D-2D匹配點對計算本質矩陣(或基本矩陣),並對其進行分解得到相機運動,再依據三角化原理計算特徵點距離。至

原创 SLAM常見面試題集錦

前言 在備戰秋招時,發現SLAM相關的知識點比較龐雜零碎,網上對於常見的面試題也沒有全面的集錦可以參考複習,所以參考我找到的一些面試題,自發整理了一些常見的問題及參考答案。參考答案是博主參考大佬的回答及自己的理解給出的,用於自己秋

原创 UDP檢驗和計算方法

UDP用戶數據報格式 UDP用戶數據報首部格式如下圖所示,包括三個部分: UDP僞首部,12字節,僞首部並不是UDP數據報的真正首部,只是爲了計算檢驗和臨時添加在UDP數據報的前面,它既不向下傳送也不向上遞交,它的僅僅是爲了計算

原创 sizeof與字節對齊用法

sizeof + 字節對齊 由於筆試中選擇、填空題目經常會考到字節對齊問題,涉及sizeof及字節對齊的相關知識,這裏記錄一下。 字節對齊相關知識,參考:C語言字節對齊問題詳解 實例 一般情況: struct A{ int

原创 pcl::compute3DCentroid()計算質心算法原理

質心計算公式 質心指的是質量的中心,認爲是物體質量集中於此點的假想點。 通常物體質心座標PcP_cPc​計算公式如下: Pc=1M∑i=0nmiriP_c = \frac{1}{M} \sum_{i=0}^n m_ir_iPc​=

原创 《視覺SLAM十四講》ch13.3:三角化公式推導及代碼詳解

前言 《視覺SLAM十四講–ch13.3》單目稠密重建代碼中的三角化過程,不像第7章直接調用OpenCV中的triangulation()函數求解,而是自己根據公式計算、並使用克萊姆法則對方程組進行求解,得出深度信息。 但代碼中對