对基于点特征的单目视觉定位算法进行研究， 提出了一种基于 5 点透视投影数学模型的单目视觉位姿测量 算法， 该算法使用不共面定位特征点， 根据 5 个特征点在摄像机坐标系与世界坐标系下相对位置关系相同来计算 5 个 特征点在摄像机坐标系下的坐标， 进而求出物体的转动角度． 同时还构建了一套基于 OpenGL 图形引擎的数字仿真系 统， 完成了物体位姿的仿真计算， 实现对算法定位精度的评价， 仿真实验结果表明， 在理想状况下， 该算法的定位精度达 到了±0.01° ， 为单目视觉物体位姿测量提供了一种具有较高精度的方法

此为ORB_SLAM2位姿发布所需的文件，里面包括头文件以及cpp文件；具体相应文件放置的位置以及配置过程可参考我的博客。

详细介绍了6D位姿估计和pvn3d算法的实现原理

国防科大写的一篇论文，将IMU和单目视觉信息融合，进行位置和姿态估计，使用orb_slam算法进行尺度估计，但是其中的融合思路非常适用于视觉和IMU融合。

Tensorflow 2.0实时多人姿势估计 什么是新的 2020年10月5日 将模型转换为新的 在Mobilenet V3基础上添加了一个新的openpose模型。 添加了对库依赖 标记为“ v1.0”的旧代码可用。 此存储库包含keras_Realtime_Multi-Person_Pose_Estimation项目的新升级版本，以及一些其他脚本和新模型。 我在Tensorboard中添加了最终热图和paf的可视化。 每100次迭代，会将一张图像传递给模型。 预测的热图和paf记录在Tensorboard中。 您可以每隔几个小时检查一次直观的预测显示，因为它可以很好地了解训练的执行情况。 脚本和笔记本 该项目包含以下脚本和jupyter笔记本： train_singlenet_mobilenetv3.py-本文提出的用于新模型的训练代码，。 我用Mobilenet V3替换了VGG。 简化模型，只有3 pafs和1热图。 train_2br_vgg.py-旧的CMU模型的训练代码（2017）。 这是旧仓库keras_Realtime_Multi-Person_Pose_E

此程序以亮字为例子，计算了每个笔画起始中间终止点的位置，及六自由度机械臂末端执行器的位姿，基础坐标系x指向正前方，y指向面对x正方向的左侧，末端执行器位姿表示选择欧拉角rxryrz

手眼标定之3D位姿

手眼标定之机器人位姿设置及程序

通过STM32F4与JY901串口收发数据，并通过ROSSerial串口发送位姿数据和接受指令，而做的程序

此资源包里包括发布位姿所需要的文件，以及对应的文件正确的放置位置。