LSD-slam算法原理
2021/10/29 22:11:45
本文主要是介绍LSD-slam算法原理,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
文章目录
- LSD-slam算法原理
- 一、 预先知识:
- 1、三维刚体与相似变换
- 1.1 三维刚体变换
- 1.2 三维相似变换
- 2、基于李群的带权重的高斯牛顿优化
- 3、不确定性评估
- 二、 LSD算法思路
- 三、算法各部分介绍
- 1、使用直接法估计图像帧的位姿
- 2、深度评估
- 2.1 关键帧选择
- 2.2 深度地图创建
- 3 基于相似矩阵sim(3)的直接法
- 3.1 基于相似矩阵sim(3)的直接图像对齐
- 3.2 回环检测
- 3.3三维变换矩阵sim(3)的收敛半径
- 4 地图更新
LSD-slam算法原理
论文:LSD-SLAM: Large-Scale Direct Monocular SLAM
一、 预先知识:
1、三维刚体与相似变换
1.1 三维刚体变换
仅包括6个自由度,即三轴旋转和三轴偏移,变换矩阵定义如下:
李代数与变换矩阵的转换关系:
定义李代数:
ξ
∈
s
e
(
3
)
\xi \in se\left(3\right)
ξ∈se(3)
G
=
e
x
p
s
e
(
3
)
(
ξ
)
,
ξ
=
l
o
g
S
E
(
3
)
(
G
)
{G}={exp}_{se(3)}(\xi), \xi = log_{SE(3)}(G)
G=expse(3)(ξ),ξ=logSE(3)(G)
变换矩阵叠加相乘,对应的李代数的运算:
1.2 三维相似变换
包括7个自由度,除三轴旋转及三轴偏移之外,还有一个尺度因子s,用于对深度测量的尺度进行评测。相似变换矩阵定义如下:
2、基于李群的带权重的高斯牛顿优化
直接法的误差公式:
其中,
ω
(
p
,
d
,
ξ
)
\omega\left(p,d,\xi\right)
ω(p,d,ξ)函数利用两帧间的位姿变换
这篇关于LSD-slam算法原理的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-06-26结对编程到底难不难?答案在这里
- 2024-06-19《2023版Java工程师》课程升级公告
- 2024-06-15matplotlib作图不显示3D图,怎么办?
- 2024-06-1503-Loki 日志监控
- 2024-06-1504-让LLM理解知识 -Prompt
- 2024-06-05做软件测试需要懂代码吗?
- 2024-06-0514-ShardingSphere的分布式主键实现
- 2024-06-03为什么以及如何要进行架构设计权衡?
- 2024-05-31全网首发第二弹!软考2024年5月《软件设计师》真题+解析+答案!(11-20题)
- 2024-05-31全网首发!软考2024年5月《软件设计师》真题+解析+答案!(21-30题)