单眼视觉测程 具有4个组成部分的单眼视觉里程表（VO）：初始化，跟踪，局部地图和束调整。 阅读《灌篮高手》后，我做了这个项目。 这也是我于2019年3月在NWU开设的EESC-432 Advanced Computer Vision课程的最终项目。 演示： 在上图中： 左侧是视频和检测到的关键点。 右侧是与左侧视频相对应的摄像机轨迹：白线来自VO；白线来自VO。 绿线是事实。 白线上的红色标记是关键帧。 点是地图点，其中红色的点是新三角剖分的。 您可以在此处下载。 报告 我的pdf版本课程报告在。 与本自述文件相比，它对算法的描述更为清晰，因此我建议阅读。 目录 1.算法 通过以下过程/算法来实现此VO： 1.1。 初始化 估计相对相机姿势： 给定视频，将第一帧（图像）设置为参考，并与第二帧进行特征匹配。 计算两个帧之间的基本矩阵（E）和单应矩阵（H）。 用的方法计算它们的对称传递误差，然后选择更好的一个（即，如果H /（E + H）> 0.45，则选择H）。 将E或H分解为两个帧之间的相对姿势，即旋转（R）和平移（t）。 通过使用OpenCV，E给出1个结果，H给出2个结果，满

orb算法matlab代码MOID T. Wisniowski和H. Rickman创建的最小轨道相交距离（MOID）算法的实现。 背景 我发现了一些由研究人员创建的用于计算MOID的Fortran代码。 此回购协议只是将这些代码转换为其他语言，我发现这些语言与测试一起使用非常有用，以表明该代码可以正常工作。 正如您在下面看到的，我能够与原始作者发布的值进行相当不错的匹配，但可能存在差异，这可能是因为在Octave和C ++中使用了更精确的Pi值。 除了将fortran转换为工作代码外，我没有做任何真正的尝试来优化代码或使用更现代的编程风格，因此它只是作为原始函数的一个简单函数而实现的。 原始研究论文： 原始Fotran代码： GNU OCTAVE结果 在Octave上运行MOID_Test脚本将执行20个测试，这将在下表中显示。 这尚未在Matlab中进行过测试，但可能也可以在其中工作。 在Ryzen R7 3800XT上，经过20个测试用例的时间为：0.789262秒（每次迭代平均约40毫秒）。 测试 MOID Calc 预计的MOID Dmin Calc 预期Dmin 1个 0.

ORB-SLAM2程序思维导图

matlab的slam代码

ORB_SLAM2的安装、配置与应用一、安装的工具二、安装Pangolin三、安装OpenCV四、安装Eigen五、安装ORB_SLAM2六、运行单目SLAM实例七、实验遇见的问题与解决方法八、参考文献 一、安装的工具 配置过程中所需要cmake、gcc、g++和git工具。 安装所需的工具 在终端运行的命令 cmake sudo apt-get install cmake git sudo apt-get install git g++ ，g++ sudo apt-get install gcc g++ 二、安装Pangolin 安装依赖项 sudo apt-ge

包含opencv3.2 以及修改过后的 ORB_Slam 文档 专用于Ros noetic 20.04 配合教程使用 deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal main restricted universe multiverse deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-updates main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-updates main restricted universe multiverse deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/

In addition, download a vocabulary file for DBoW2 from here and uncompress it. You can find orb_vocab.dbow2 in the zip file.

ORB_SLAM需要修改的部分包括CMakelist.txt和rgbd_tum.cc，这部分需要较大改动。首先看rgbd_tum.cc，由于我们打算完成一个实时系统，所以不在需要数据的读取、color和depth的匹配；可以省去相当部分的工作。最后展示所有的rgbd_tum.cc代码

1. 地图点相关 3. 用参考关键帧来跟踪 1. 理解地图点里成员变量的物理意义 2. 掌握BOW的原理及应用（重要） 3. 掌握关键帧跟踪原理（重要） 4.

ORB特征描述符，基于python源码实现，基于opencv库实现