视觉SLAM十四讲；Eigen；QR和Cholesky矩阵分解

SLAM简要流程与资料链接

SLAM，三维重建顶尖实验室汇总，内含自动驾驶全套资料

slam总结，内含自动驾驶全套学习资料

作为计算机视觉技术的一个重要分支，基于单目视觉的三维重建技术以其要求简单、成本低廉、易于实现等优点，得到了越来越多的关注。在室内环境下就智能机器人的同步定位以及环境地图创建（SLAM）算法展开了研究，引入RGB-D相机Kinect直接获取3D场景的深度信息，实现了一种基于单目视觉SLAM与Kinect的实时三维重建方法。

ORB_SLAM3源码，来自https://github.com/UZ-SLAMLab/ORB_SLAM3。GitHub下载非常慢。

日常生活的空间是三维的，因此我们生来就习惯于三维空间的运动。三维空间由三个轴组成，所以一个空间点的位置可以由三个坐标指定。不过，我们现在要考虑刚体，它不光有位置，还有自身的姿态。相机也可以看成三维空间的刚体，于是位置是指相机在空 间中的哪个地方，而姿态则是指相机的朝向。结合起来，我们可以说，“相机正处于空间(0,0,0) 点处，朝向正前方” 这样的话。但是这种自然语言很繁琐，我们更喜欢用数学语言来描述它。 首先是内外积： 对于 ，内积可以写成： 内积可以描述向量间的投影关系。 外积： 外积的方向垂直于这两个向量，大小为 |a||b|sin〈a,b〉，是两个向量张成的四边形的有向面积。对于外

（１）视觉ＳＬＡＭ系统基础框架选择与性能分析。通过对经典视觉ＳＬＡＭ方案对比分析，选择０ＲＢ－ＳＬＡＭ２作为本文研究的基础方案，并对该方案进行动态环境性能测试与分析，获得该方案在动态环境下的性能特点。 （２）提出了动态环境视觉ＳＬＡＭ系统前端改进方案。通过在系统前端增加运动物体识别模块、运动特征检测模块和外点判断与去除模块，使系统能够有效处理环境中的运动物体。运动物体识别模块采用图像分割网络ＭａｓｋＲ－ＣＮＮ对图像进行实例分割，获得可运动物体的语义信息。在运动特征检测模块中，本文提出了基于对极约束的对称转移极线距离运动特征检测算法进行运动点检测。在外点判断与去除模块中设定了外点判断与去除机制，消除运动物体的影响。实验表明了该方案的有效性。 （３）实现了环境稠密地图的构建。本文利用视觉ＳＬＡＭ系统前端获得的关键帧与相机位姿信息，构建环境的稠密点云地图和八叉树地图。实验表明，稠密点云地图具有较好的可视化效果；八叉树地图能够提供空间是否被物体占据的信息，并且具有分辨率可调、占存储空间小等优点。 （４）视觉ＳＬＡＭ系统在智能车上的应用研究。将视觉ＳＬＡＭ系统应用于实 验室智能车上，测试在实际环境中的运行性能。实验表明本文视觉ＳＬＡＭ系统 在实验室环境下能够有效处理运动物体，并能构建环境的稠密地图。

首先，针对自动泊车环境下可能出现的低光照或明暗交替等复杂场景这一问 题，本文在 vSLAM 系统中设计了处理复杂场景的功能。本文基于 Retinex 理论 模型，从物体成像的原理上分析，利用 LIME 算法来解决这个问题，并且结合自 动泊车场景来设计算法中的权重系数，对算法的时间复杂度进行加速优化。而后 针对一些低光照的图片进行了优化处理来验证 LIME 算法的可行性。 其次，针对 vSLAM 常见的问题，即在跟踪时容易丢失目标、出现尺度漂移 等问题，进行了分析与研究。提出了使用预测模型的方式来减少跟踪失败概率的 方法，提出了适合泊车环境的关键帧筛选策略，针对立体匹配模块，先根据多方 面误差来选择质量较好的点，再用由粗到精最后计算图像的相关性的方法来进行 匹配并更新地图上像素点的逆深度，并在地图优化模块中通过双向 Sim3 检测进 行误差分析解决尺度漂移的问题。 最后，基于大众速腾以及深圳锐尔威视科技有限公司所研发的型号为 RER_USB1080P01-LS43 的相机搭载了实验平台，傍晚时分在吉林大学南岭校区 汽车工程学院周围采集多个停车场数据，验证了在低光照的自动泊车环境下基于 LIME 算法进行 vSLAM 的可行性，并且实验表明在泊车环境下本文算法要优于 传统算法。

精品课程PPT分享，视觉SLAM十四讲配套PPT， 全网唯一资源