mono-vo, 基于OpenCV的单目视觉里程计实现 这是基于 OpenCV 3.0的单目视觉里程计算法的实现。算法使用5 个nister点算法，用于基本矩阵估计和快速特征，具有一个，跟踪器。 更详细的细节是，这里的作为一个报告，这里的作为一个博客帖子。注意，这里项目尚未能够进行可以靠

fractPC.m 为分数阶松弛振荡方程提供了预测校正方法 (u_t_alpha=-B u(t)+f(t), 0<alpha<=2)。 variablerandomorder.m 为可变阶 (0<\alpha(t)<=1) 和随机阶 (p(0<\alpha_0+noise<=1)=1) 分数松弛方程提供预测校正方法。 当微分阶数为常数（0 <\ alpha <= 1）时，也可以使用。 读者可以在这段代码中改变变阶和随机阶函数。 相关参数也可以在代码中更改。 此外，我们应该指出，该代码可用于小变化的可变顺序或随机顺序。 如果微分阶函数变化快，请给出较小的时间步长。 但是，当微分阶函数急剧变化时，它不起作用。

根据数据库中表的字段自动生成java中的vo类，方便调用

我在学习高翔slam14将第二版所画的思维导图，为大家学习第十三章VO提供参考，欢迎相互交流。

该文件高翔slam14将第二版ch13章VO代码的详细注释，感谢前辈们所做的工作，降低了我们入门slam的门槛，欢迎相互交流。

slambook2-ch13-VO（详细注释版） 视觉SLAM十四讲ch13中VO的详细注释版本，基本覆盖所有理解难点，尤其对入门学者十分友好！！ slambook2——VO（详细注释） 相较于第一版十四讲，第二版中内容更加丰富，对一些知识点进行了扩充说明，其中最吸引人的应当是ch13中手写VO的环节，这一章为广大学子提供了一个良好的对接口 现有的VINS，ORB系列等开源代码对于初学者而言跨度层较大（尽管早年的学习者都是这么过来的），普遍阅读效率并不高，ch13中VO的出现提供了一种新的选择 之前一直想完整详细地阅读一遍ch13中的VO，但时间太紧，没有腾出手来，趁年末做完这项工作，打一版详细注释 代码中__“事无巨细”__地打上了相关注释，甚至对于基本语法也给出了细致说明或者精准的参考网址（对应网址内容都是作者在众多类似内容中择优产生），希望能对大家有所帮助！ 因时间紧迫，能力有限，无

Vo Quoc Ba Can的cauchy-schwarz不等式技巧。

【VoLTE基础理论+Vo关键技术+LTE技术原理】VOIP及信道LTE学习积累总结

基于学习的视觉里程计

PBR_Guide_PBR_vol-2详解_中文版.pdf PBR_Guide_PBR_vol-2_中文版 PBR_Guide_PBR_中文版