三丫Nono-CSDN博客

原创《视觉SLAM十四讲》公式笔记（ch04李群与李代数）

第二行的近似为 BCH 线性近似，第三行为泰勒展开舍去高阶项后近似，第四行至第五行将反对称符号看作叉积，交换之后变号。BCH 公式告诉我们，当处理两个矩阵指数之积时，它们会产生一些由李括号组成的余项。两个李代数指数映射乘积的完整形式，由 Baker-Campbell-Hausdorff。对于任意反对称矩阵，能找到一个与之对应的向量。用李代数表示姿态，然后对根据李代数加法来对李代数求导。是三维向量，我们可以定义它的模长和它的方向，分别记作。微小扰动，然后对该扰动求导，称为左扰动和右扰动模型。

2024-05-30 15:24:29 1074

原创《视觉SLAM十四讲》公式笔记（ch03三维空间刚体运动)

任意旋转都可以用一个旋转轴和一个旋转角来刻画。于是，可以使用一个向量，其方向与旋转轴一致，而长度等于旋转角。这种向量，称为旋转向量（或轴角，Axis-Angle假设有一个旋转轴为，角度为的旋转，显然，它对应的旋转向量为。

2024-05-29 21:37:45 1006

原创《视觉SLAM十四讲》公式笔记（ch02 初识SLAM）

照片，本质上是拍照时的场景（Scene），在相机的成像平面上留下的一个投影。显然，这个过程丢掉了场景的一个维度：也就是所谓的深度（或距离）。Optimization）：后端接受不同时刻视觉里程计测量的相机位姿，以及回环检测的信息，对它们进行优化，得到全局一致的轨迹和地图。按照相机的工作方式，我们把相机分为单目（Monocular）、双目（Stereo）和深度相机（RGB-D）三个大类。后端优化要考虑的问题，就是如何从这些带有噪声的数据中，估计整个系统的状态，以及这个状态估计的不确定性有多大——这称为。

2024-05-28 22:05:01 1089