视觉SLAM十四讲ch7-2 视觉里程计笔记
3D-2D PNP
DLT
s:距离
P3P
实际知道:abc在相机平面内的位置,ABC在世界坐标系内的位置 ,不知道ABC 在相机世界坐标系内的坐标。外参不知道,不知道oa的距离,距离知道就有3D信息,现在只2D信息,不知道OA长多少。
p2^是投影的地方,p2是你认为真实的地方,e为误差
3D-3D ICP
- ICP也可以从非线性优化角度求解,但:
- 已知匹配时,ICP问题存在唯一解或无穷多解的情况。在唯一解的情况下,只要能找到
极小值解,那么这个极小值就是全局最优值。 - 所以正常情况下,SVD结果和优化-一样,且优化很快收敛。
- 注:
- 在激光情况下,匹配点未知,将指定最近点为匹配点。此时问题非凸,极小值不一定为
最小值。 - 利用非线性优化可以将ICP与PnP结合在一起求解。
小结
- 本章介绍了与特征点相关的视觉里程计部分算法,包括:
- 特征点是如何提取并匹配的;
- 如何通过2D-2D的特征点估计相机运动;(主要用的对极几何,用到单目相机的初始化中 )
- 三角化原理;
- 3D-2D的PnP问题,线性解法与BA解法;
- 3D-3DICP问题, 线性解法与BA解法。