senmantic slam mapping

2023-05-16

basicStructure.hpp

common.h  定义一些常用的结构体 * 以及各种可能用到的头文件,放在一起方便include// 相机内参模型
// 增加了畸变参数,

common_headers.h各种可能用到的头文件,放在一起方便include

converter.h转换cv,eigen和g2o中的常见类型

feature.h

looper.h基于dbow2的闭环检测器;

mapper.h

matrix_.h

orb.h 对orbslam2的特征部分进行一次封装,具有提取、匹配特征的功能

parameter_reader.h读参数

pnp.h  求解pnp问题* 使用g2o作为优化方法求解

posegraph.h * The pose graph performs global optimization.
  * 在tracker跟踪当前帧currentFrame,返回一个粗略的位姿时,会把这个帧尝试放入pose graph中.
  * pose graph将它与自己的refframe比较,得到一个相对位移估计。当这个估计大于给定阈值时,将该帧作为新的frame插入到pose graph中。
  * pose graph本身有一个优化线程,负责查找相近节点的边并进行优化。
  * 同时它有回环检测模块。检测到大型回环时进行全局优化。
  *
  * 进行优化时,关键帧序列的位姿会被替换成优化后的值,因此参考帧会发生改变。而tracker存在漂移。
  * 为了使机器人得到全局准确的位姿,需要用pose graph优化后的结果校正tracker。

quadmatcher.hpp

readFile.h

readGTPose.h参数读取类

rgbdframe.h// FrameReader: 从数据集中顺序读取RGBDFrame

segnet.h

stereo.h

通过半全局块匹配(SGBM)算法计算视差

通过三角测量重建三维并创建一个10维矩阵xyz

track.h

Tracker跟踪当前输入的帧, 在丢失的时候进行重定位
  * 单纯使用tracker时可能会漂移,它需要后端pose graph提供一个重定位

utils.h

标准内参畸变因子

uvdisparity.hpp

vo.hpp

vo_stereo.hpp

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

senmantic slam mapping 的相关文章

随机推荐

  • CNN学习(四)----SiameseFC代码运行Matlab2018a+vs2015+cuda9.0

    由于siameseFC运行需要调用GPU xff0c 即需要安装CUDA和visual studio xff0c CUDA安装可以参考的我的上一篇博客 若是要运行tensorflow版本 xff0c 可以参考这篇博客 一 失败经验 先介绍一
  • 目标跟踪之ECO代码运行及原理简介

    论文地址 xff1a https arxiv org pdf 1611 09224 pdf 代码地址 xff1a https github com martin danelljan ECO ECO xff08 Efficient Convo
  • UAV123数据集下载、简介及配置

    UAV123主要由91个无人机视频组成 xff0c 其中有数个视频序列较长 xff0c 拆分成三四个较短的片段 xff0c 使用多次 xff0c 所以有123个groundtruth xff0c 其中包含20个长视频即UAV20L xff0
  • UAVDT:The Unmanned Aerial Vehicle Benchmark: Object Detection and Tracking数据集下载

    无人机数据集对于目标跟踪而言是一大挑战 xff0c 近年来 xff0c 正对无人机的数据集也越来越多 xff0c UAVDT是ICCV2018提出的一个数据集 xff0c 共包含80000帧图片 xff0c 不仅可以用于目标跟踪 xff0c
  • Linux编译opencv4.4.0报错“/usr/bin/ld: cannot find -lopencv_shape”

    opencv4 4 0下载地址 xff1a https sourceforge net projects opencvlibrary files 问题描述 安装完opencv4 4 0后编译C 43 43 代码显示找不到lib库文件 usr
  • 利用红外图像数据集FLIR Thermal Starter训练yolov5目标检测算法

    Yolov5代码 xff1a https github com ultralytics yolov5 数据集 xff1a https www flir com oem adas adas dataset form 运行环境 xff1a Ub
  • 目标跟踪之ICCV2021 Learning Spatio-Temporal Transformer for Visual Tracking代码复现

    代码地址 xff1a https github com researchmm Stark 论文地址 xff1a https arxiv org abs 2103 17154 一 配置环境 conda create n stark span
  • 目标跟踪之LTMU:High-Performance Long-Term Tracking with Meta-Updater环境配置及代码运行

    代码地址 xff1a https github com Daikenan LTMU 论文地址 xff1a High Performance Long Term Tracking with Meta Updater LTMU是CVPR2020
  • 英伟达NVIDIA Jetson系列产品刷机(SDK Manager)

    英伟达的TX NX AGX可以说是近几年边缘计算中非常牛的产品了 可Linux系统经常会出现安装某软件后系统环境崩掉的情况 xff0c 接着系统崩掉的机会 xff0c 记录一下Jetson AGX Xavier的刷机过程 准备 xff1a
  • seL4的编译和运行(OdroidXU3)

    seL4支持平台 seL4所在的git如下 xff1a https github com seL4 seL4 git 不过我们编译和运行seL4一般不只是用这个git xff0c 而是借助seL4test xff08 seL4的测试框架 x
  • 目标跟踪之Pysot系列代码训练(SiamRPN\SiamRPN++)

    代码地址 xff1a https github com STVIR pysot 环境配置参考博客 xff1a Siam系列跟踪算法工具包PySOT配置 一 数据集准备 Pysot系列跟踪器训练的时候 xff0c 首先将数据集进行裁剪 xff
  • 基于Paddle实现实例分割

    百度的Paddle这几年发展十分迅速 xff0c 而且文档十分齐全 xff0c 涉及到机器视觉的多个应用领域 xff0c 感觉还是非常牛的 xff0c 各种backbone xff0c 损失函数 数据增强手段以及NMS等 xff0c 整体感
  • 机器学习笔记: 时间序列 分解 STL

    1 前言 STL Seasonal and Trend decomposition using Loess 是以LOSS 作为平滑方式的时间序列分解 LOSS可以参考机器学习笔记 xff1a 局部加权回归 LOESS UQI LIUWJ的博
  • C++11 auto遍历

    C 43 43 11这次的更新带来了令很多C 43 43 程序员期待已久的for range循环 xff0c 每次看到javascript xff0c lua里的for range xff0c 心想要是C 43 43 能有多好 xff0c
  • C++ 文件的读写(fin && fout)

    如何让键盘输入字符保存在 txt文件中 如何让我们自己在键盘上输入的字符不仅仅在屏幕上显示 xff0c 而且还能保存在特定路径的文件中 xff0c 这让简单枯燥的控制台命令程序变得略有趣 首先 xff0c 先看看cin和cout对象 xff
  • 基本矩阵、本质矩阵和单应矩阵

    两幅视图存在两个关系 xff1a 第一种 xff0c 通过对极几何一幅图像上的点可以确定另外一幅图像上的一条直线 xff1b 另外一种 xff0c 通过上一种映射 xff0c 一幅图像上的点可以确定另外一幅图像上的一个点 xff0c 这个点
  • 矩阵零空间

    矩阵A的零空间就Ax 61 0的解的集合 零空间的求法 xff1a 对矩阵A进行消元求得主变量和自由变量 xff1b 给自由变量赋值得到特解 xff1b 对特解进行线性组合得到零空间 假设矩阵如下 xff1a 对矩阵A进行高斯消元得到上三角
  • VIO学习总结

    VIO xff08 visual inertial odometry xff09 即视觉惯性里程计 xff0c 有时也叫视觉惯性系统 xff08 VINS xff0c visual inertial system xff09 xff0c 是
  • 单应性(Homography)变换

    我们已经得到了像素坐标系和世界坐标系下的坐标映射关系 xff1a 其中 xff0c u v表示像素坐标系中的坐标 xff0c s表示尺度因子 xff0c fx fy u0 v0 xff08 由于制造误差产生的两个坐标轴偏斜参数 xff0c
  • senmantic slam mapping

    basicStructure hpp common h 定义一些常用的结构体 以及各种可能用到的头文件 xff0c 放在一起方便include 相机内参模型 增加了畸变参数 xff0c common headers h各种可能用到的头文件