标签: slam-algorithm

我从KITTI的部分里程计中获取了校准文件，其中一个校准文件的内容如下：

P0: 7.188560000000e+02 0.000000000000e+00 6.071928000000e+02 0.000000000000e+00 0.000000000000e+00 7.188560000000e+02 1.852157000000e+02 0.000000000000e+00 0.000000000000e+00 0.000000000000e+00 1.000000000000e+00 0.000000000000e+00
P1: 7.188560000000e+02 0.000000000000e+00 6.071928000000e+02 -3.861448000000e+02 0.000000000000e+00 7.188560000000e+02 1.852157000000e+02 0.000000000000e+00 0.000000000000e+00 0.000000000000e+00 1.000000000000e+00 0.000000000000e+00
P2: 7.188560000000e+02 0.000000000000e+00 6.071928000000e+02 4.538225000000e+01 0.000000000000e+00 7.188560000000e+02 1.852157000000e+02 -1.130887000000e-01 0.000000000000e+00 0.000000000000e+00 1.000000000000e+00 3.779761000000e-03
P3: 7.188560000000e+02 0.000000000000e+00 6.071928000000e+02 -3.372877000000e+02 0.000000000000e+00 7.188560000000e+02 1.852157000000e+02 2.369057000000e+00 0.000000000000e+00 0.000000000000e+00 1.000000000000e+00 4.915215000000e-03
Tr: 4.276802385584e-04 -9.999672484946e-01 -8.084491683471e-03 -1.198459927713e-02 -7.210626507497e-03 8.081198471645e-03 -9.999413164504e-01 -5.403984729748e-02 9.999738645903e-01 4.859485810390e-04 -7.206933692422e-03 -2.921968648686e-01

可以看出P0、P1代表黑白相机，P2、P3代表彩色相机。据我了解，相机内在的常见形状是

fx 0  cx
0  fy cy
0  0  1 .

所以我无法弄清楚每一行中剩余的三个参数（我猜用于失真校正）以及 …

我想在我的GraphSlam中使用nxn矩阵的逆.

我遇到的问题:

• .inverse() 特征库(3.1.2)不允许零值,返回 NaN
• LAPACK(3.4.2)库不允许使用零行列式,但允许零值(使用C中使用lapack计算矩阵的逆矩阵的示例代码)
• Seldon库(5.1.2)由于某种原因无法编译

有没有人成功实现了一个允许负值,零值和零行列式的n × n矩阵求逆代码？任何好的库(C++)推荐？

我尝试为GraphSlam计算以下的欧米茄:http://www.acastano.com/others/udacity/cs_373_autonomous_car.html

简单的例子:

[ 1 -1  0 0 ]
[ -1 2 -1 0 ]
[ 0 -1  1 0 ]
[ 0  0  0 0 ]

真实的例子是170x170,包含0,负值,更大的正值.给出简单的示例用于调试代码.

我可以在matlab(Moore-Penrose pseudoinverse)中计算出来,但由于某种原因,我无法用C++编程.

A = [1 -1 0 0; -1 2 -1 0; 0 -1 1 0; 0 0 0 0]
B = pinv(A)
B=
[0.56   -0.12  -0.44  0]
[-0.12  0.22   -0.11  0]
[-0.44  -0.11   0.56  0]
[0 …

我最近开始探索视觉识别的世界，并对 SLAM 特别感兴趣。我已经在来自 openslam.org 的笔记本电脑上尝试并测试了不同的 SLAM 实现我仍然是该领域的新手并且仍在学习它。我想在 android 设备上实现 SLAM。任何人都可以向我指出任何此类实现。或者你能建议哪种 SLAM 实现最适合安卓设备。我可以使用顶级 android 设备，例如 Galaxy S6 或 Nexus 5。

在开始研究我的想法之前，我只想知道哪种实现在 android 设备上的效率和准确性方面效果最好。

谢谢

在Visual SLAM领域，有著名的EKF/UKF/Particle-SLAM解决方案，比如“mono-slam”。

最近，有一个本地捆绑调整方法的方向，如lsd-slam 或 orb-slam ..

我的问题是：

过滤方式是否还有未来或稳定的使用？在哪些应用中？有什么优点/缺点？

我阅读了这些论文，但未能得出最终答案，（主要是出于误解）：

1. 视觉SLAM：为什么要过滤？

2. 同时定位和测绘的过去、现在和未来

PS：我知道第一个是说Local BA更好，第二个很少提到过滤，所以..，就是这样..，这是Visual-SLAM领域令人敬畏的卡尔曼过滤器的终结吗？！

我目前正在尝试使用眼镜Vuzix star 1200 XLD和c ++构建桌面AR应用程序.我已经对AR中使用的算法和着名的SDK进行了大量的研究,我发现visual SLAM是一种常用的算法.

所以,如果您使用它,我想得到一些反馈,我对任何有关用于跟踪和匹配的AR算法的建议持开放态度.

非常感谢!