SLAM初始化

最新推荐文章于 2023-08-15 09:52:24 发布
最新推荐文章于 2023-08-15 09:52:24 发布
阅读量2.4k 收藏 22
点赞数 6
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/GuoBen_/article/details/107079354
SLAM初始化涉及单目、双目及RGB-D相机，其目的是构建三维点云地图和初始位姿。常见方法包括追踪物体、单应矩阵计算、特征点匹配等。单目初始化通过匹配初始帧、位姿计算（八点法）、三角测量、地图创建和BA优化来实现。双目和RGB-D初始化则利用深度信息直接估计相机运动。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

本节的学习要点：

  1. 初始化的目的(单目/双目)
  2. 初始化的两种方法
  3. 初始化过程

初始化的目的

​ 单目SLAM初始化的目的是 ==构建初始的三维点云地图（空间点）并为之后的计算提供初始值==。

​ 由于仅从单帧的图像不能得到深度信息，因此需要从图像序列中选取两帧以上的图像以估计相机机姿态并重建出初始的三维点云。

常见的方法

方法一

​ 追踪一个已知物体。单帧图像的每一个点都对应于空间的一条射线。通过不同角度不同位置扫描同一个物体，期望能够将三维点的不确定性缩小到可接受的范围。

方法二

​ 基于假设空间存在一个平面物体，选取两帧不同位置的图像，通过计算单应矩阵来估计位姿。这类方法在视差较小或者平面上的点靠近某个主点时效果不好。

方法三

​ 根据两帧之间的特征点匹配计算基础矩阵，进一步估计位姿。这种方法要求存在不共面的特征点。

单目初始化

最低0.47元/天 解锁文章

200万优质内容无限畅学
GuoBen_
关注
SLAM ORB-SLAM2（11）单目初始化
氢键H-H
12-09 9871
单目相机初始化过程： 1. 创建单目初始化器； 2. 判断连续两帧的特征点个数是否都大于100； 3. 匹配两帧图像的ORB特征点； 4. 计算两帧间相对运动并初始地图点； 5. 建立世界坐标系。
【视觉惯性SLAM：十、ORB-SLAM2:地图点初始化】
最新发布
计算机领域博客，与时俱进的思想与技术。
12-28 732
模式主要步骤单目模式1. 求单应矩阵或基础矩阵 2. 特征点对三角化 3. 检验三角化结果双目模式1. 利用视差直接计算深度 2. 通过深度生成地图点RGB-D模式1. 利用深度图直接生成三维点 2. 筛选无效深度点通过三种不同的初始化方式，ORB-SLAM2 能够适应多种相机类型和场景需求，完成地图点的初始化并为后续的跟踪与优化打下坚实的基础。
ORB-SLAM代码详解之SLAM系统初始化
I AM BACK
02-08 9387
systemh systemc的SystemSystemsystem.h这里包含了整个SLAM系统所需要的一起，通过看这个文件可以对ORB-SLAM系统有什么有一个大概的了解。不过之前我们需要对于多线程了解一些基本的东西——信号量【1】和多线程【2】。具体注释如下：/** * This file is part of ORB-SLAM2. * * Copyright (C) 2014-2016 Ra
ORB-SLAM3 细读单目初始化过程（上）
一个摩羯座的程序猿 的 知识笔记
12-08 4072
学习ORBSLAM3单目视觉SLAM中，发现有很多知识点需要展开和深入，同时又需要对系统有整体的认知，为了强化记忆，记录该系列笔记，为自己图方便，也希望对大家有所启发。 因为知识有限，因此先记录初始化过程中的重要节点，并非全部细节，如果需要看代码的话，建议直接去看作者的源代码。 上一次的笔记 ORB-SLAM3 单目初始化过程剖析1 TrackMonocular-＞GrabImageMonocular 记录了GrabImageMonocular，调用它的函数TrackMonocular是ORBSLAM单目视
ORBSLAM2单目初始化过程
zhubaohua_bupt的博客
11-17 1万+
ORB单目模式的初始化过程可以分为以下四个阶段： 1 通过匹配选取两个可以作为起始两帧的初始帧 2 根据匹配计算两帧之间的位姿 3 三角化测量初始的特征点云深度，进而获得点云地图。 4 BA优化初始点云 在初始化后，单目模式和双目及RGBD模式一样，都是通过PNP来计算位姿。 下面，说一下初始化算法的步骤： 第一阶段：选取两个可以作为起始两帧的初始帧 这一阶段做的工作是...
ORB-SLAM3 细读单目初始化过程（终结篇）
一个摩羯座的程序猿 的 知识笔记
12-16 3363
一、前言 在之前讲了单目初始化的上下部分，分别是构建帧（Frame）和初始化（Track），通过一系列步骤，我们得到了三角测量初始化得到的3D点mvIniP3D，并且计算得到了初始两帧图像之间的相对位姿Rcw和tcw。接下来，就是完成初始化过程的最后一步：对地图的初始化，代码是CreateInitialMapMonocular函数完成的，先来看看步骤和涉及到的知识点，再去逐步理解为什么要初始化这些东西。 1. 无代码版： 将初始关键帧，当前关键帧的描述子转为BoW； 将关键帧插入到地图； 用三角测量初始化
ORB_SLAM3 单目初始化
火柴的初心的博客
04-05 867
单目初始化 单目初始化通过前后两帧图像进行特征匹配，得到他们之间的匹配关系后，通过H或者F恢复两帧之间的运动，并通过三角化生成地图点 1.接口 void Tracking::MonocularInitialization() 2.步骤 单目初始化的大致步骤如下： 创建单目初始化器，并创建当前帧和来自上一关键帧的IMU预积分 mCurrentFrame.mpImuPreintegrated：当前帧的IMU预积分 mpImuPreintegratedFromLastKF：来自上一关键帧的IMU预积分
GPO：快速、准确地进行单眼SLAM初始化的全局平面优化
计算机视觉life
09-07 339
GPO：快速、准确地进行单眼SLAM初始化的全局平面优化 摘要 初始化对于单目SLAM来说是必须的。本文重点研究了一种基于平面特征的单目SLAM初始化方法。该算法从滑动窗口的单应矩阵估计开始，然后通过全局平面优化（global plane optimization, GPO）获取相机位姿和平面法线。3D点可以通过使用平面约束恢复，无需三角化（or三角测量）。本文提出的方法充分利用了多帧的平面信息，避免了单应矩阵分解中的模糊性。我们在收集来的棋盘数据集上参照基准方法的实现，验证了我们的算法，并进行了广泛的分析
论文研究-视觉SLAM初始化IMU算法研究 .pdf
08-22
为了解决这个问题，可以利用单目SLAM来初始化IMU，进而计算出尺度、重力方向、速度、加速度以及陀螺仪和加速度计的偏置。这样，通过视觉SLAM和IMU紧耦合的方法，可以有效跟踪和映射环境。 紧耦合技术中，常见的研究...
视觉SLAM笔记--第6篇: 单目初始化和三角测量
w风的季节-博客
05-08 3837
单目初始化和三角测量参考博客1. 三角测量2. 单目初始化 参考博客 参考博客：https://blog.csdn.net/llfjcmx/article/details/83410318 1. 三角测量 在得到了相机的运动之后，下一步我们需要用相机的运动来估计特征点的空间位置，但是在单目SLAM中，仅通过单张图像是无法获得像素的深度信息的，需要用三角测量（三角化）的方法来估计地图点的深度。 三角测量是指通过在两处观察同一个点的夹角，来确定该点的距离。 考虑图像I1,I2I_{1},I_{2}I1​,I2
ORB-SLAM3单目初始化,地图的初始化
Hali_Botebie的博客
04-13 1386
源代码ORB_SLAM3（https://github.com/UZ-SLAMLab/ORB_SLAM3） https://mp.weixin.qq.com/s/vdnQfHoCIS5XZvYz2mCGNA TrackMonocular是ORBSLAM单目视觉SLAM的追踪器接口，因此从这里入手。其中GrabImageMonocular下⾯有2个主要的函数：Frame::Frame()和Tracking::Track()。我会按照下⾯的框架流程来分解单⽬初始化过程，以便对整个流程有⽐较清晰的认识。 记录了
【SLAM】VINS-MONO解析——初始化(理论部分)
热门推荐
iwanderu的博客
03-05 2万+
6.初始化 第一个问题，为什么要初始化？ 对于单目系统而言， (1)视觉系统只能获得二维信息，损失了一维信息(深度),所以需要动一下，也就是三角化才能重新获得损失的深度信息； (2)但是，这个三角化恢复的深度信息，是个“伪深度”，它的尺度是随机的，不是真实的，所以就需要IMU来标定这个尺度； (3)要想让IMU标定这个尺度，IMU也需要动一下，得到PVQ的P； (4)另外，IMU存在bias，视觉...
ORB-SLAM2源码学习（五）相机跟踪（位姿估计）
qq_41451702的博客
05-22 1211
本篇博客对Track()中的第二部分，相机跟踪（位姿估计）进行介绍。这部分代码嵌套了大量if-else，根据下图可以理清跟踪的具体流程：1.第一个阶段是初始位姿估计，用，它们的目的 是保证能够“跟的上”，但估计出来的位姿可能没那么准确。2.第二个阶段是，将当前帧的局部关键帧对应的局部地图点投影到该帧，得到更多的特征点匹配关系，对第一阶段的位姿再次优化得到相对准确的位姿。3.第三个阶段是对关键帧的插入。
3.3ORB-SLAM3之视觉与IMU的联合初始化(待补充)
超爱吃小蛋糕的66的博客
02-01 1300
本文对ORB-SLAM3中的系统初始化进行了简单分析，主要包括三个阶段的初始化，纯视觉初始化获得初始位姿，IMU初始化优化偏置以及尺度信息，VI联合优化优化位姿和地图点信息并进一步优化IMU参数
ORB-SLAM3 单目地图初始化（终结篇）
qq_29462849的博客
12-15 2374
点击上方“计算机视觉工坊”，选择“星标”干货第一时间送达一、前言请阅读本文之前最好把ORB-SLAM3的单目初始化过程再过一遍（ORB-SLAM3 细读单目初始化过程(上)、超详细解读OR...
ORBSLAM2系列-单目初始化
一只废佐_的博客
08-15 831
至此，单目初始化就彻底结束了，后续再进来的图像帧就是用来跟踪Tracking。
ORB-SLAM2源码分析(单目)——单目地图初始化
weixin_43391596的博客
03-21 1006
ORB-SLAM2源码分析(单目)——单目地图初始化
ORB-SLAM （四）Initializer单目初始化
weixin_34148508的博客
03-03 257
一. 通过对极约束并行计算F和H矩阵初始化 　　VO初始化目的是为了获得准确的帧间相对位姿，并通过三角化恢复出初始地图点。初始化方法要求适用于不同的场景（特别是平面场景），并且不要进行人为的干涉，例如选取视差大（large parallax）的场景（视差大代表相机移动会带来明显的图像变化，通常距离相机距离越远，距离相机光轴越近，视差越小）。ORB-SLAM中并行计算了适用于平面场景的单应性矩阵H...
ORB_SLAM3：IMU初始化过程梳理以及自己的理解
qq_44530706的博客
04-16 5249
因为无法保证世界坐标系（单目初始化参考关键帧）的Z轴正好与重力方向平行，二者有角度，计算该角度的过程就是IMU初始化的过程。IMU初始化过程中不断优化尺度，在单目相机的视觉SLAM中，尺度指的是场景中真实物体的物理尺寸与它在相机图像中所对应的像素距离之间的比例关系。IMU的确定性误差厂家已经标定好，我们应用时得到的加速度和角速度值只包含随机性误差，随机误差需要实时估计。
惯导视觉SLAM初始化
09-17
惯导视觉SLAM的初始化通常包括以下步骤： 1. 收集初始的性测量单元（IMU）数据和视觉数据。IMU数据包括加速度计和陀螺仪的测量值，用于估计相机的相对运动。 2. 使用IMU数据进行初始的相机姿态估计。通过IMU数据的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值