DSO学习链接整理

2024-03-26 16:18
文章标签 学习 整理 链接 dso

本文主要是介绍DSO学习链接整理,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

本文记录在学习DSO过程中遇到的比较优秀的链接。
前辈们讲解的非常细致,在学习过程中收货颇多,故做整理,方便其他朋友一起学习。

1. 整体介绍

高翔:DSO详解 - 知乎
DSO整体上有个大概的了解,比较全面,且没有过多深入细节。

贺一家:DSO初探
主要从DSO代码的运行上进行了相关的介绍

2. 零空间与尺度漂移

古路:SLAM中的零空间问题
简单介绍了客观性与零空间(最后博主说解决办法是FEJ我感觉不对,FEJ是解决零空间塌缩问题)

林突破:零空间与尺度漂移
直观上解释了为什么会漂移,以及解决办法

无人的回忆:DSO零空间的计算与推导
对上面一些博客的一个整理,内容比较丰富。虽然有些数学部分不是很严格,但第一次看到尝试从数学角度去解释这个问题,很棒。

3. 滑窗优化,边缘化与FEJ

无人的回忆:DSO窗口优化
从代码流程上串了一下窗口优化的过程,可以认真读一读

jinge TU:windowed optimization代码(1)
jinge TU:windowed optimization代码(2)
jinge TU:windowed optimization代码(3)
jinge TU:windowed optimization代码(4)
金戈大佬做的滑窗优化部分详细的代码,有数学有代码,非常细致,深入研究时参考。

贺一家:DSO中的Windowed optimization
详细介绍滑窗优化相关技术
贺一家:SLAM中的marginalization 和 Schur complement
介绍了滑窗中边缘化和FEJ相关问题,内容非常全,想深入研究可以参考最后列举的参考文献

知乎关于FEJ的讨论

4. 光度误差求导

光度误差推导的文章有很多,这两篇推导大同小异,参考一篇即可。
jinge TU:直接法光度误差倒数推导
林突破:DSO初始化

5. 其他

jinge TU:代码框架
DSO代码简单的流程,说的很清楚了。

DSO代码阅读
上面有些链接附带了部分的代码,这个较为综合

DSO之光度标定
光度标定的基本内容,个人感觉直接去看文献也比较直观好理解

参考文献

  1. DSO论文:Direct Sparse Odometry
  2. 光度标定论文:Online Photometric Calibration of Auto Exposure Video for Realtime Visual Odometry and SLAM
  3. 关键帧优化:Keyframe-Based Visual-Inertial SLAM Using Nonlinear Optimization
  4. FEJ一致性,推荐一读:A First-Estimates Jacobian EKF for Improving SLAM Consistency
  5. 关键帧与地图点边缘化:Decoupled, Consistent Node Removal and Edge Sparsification for Graph-based SLAM
  6. 介绍了边缘化中先验信息转移,推荐一读:Sliding window filter with application to planetary landing
    打包下载链接:https://pan.baidu.com/s/1Oy6jQsTmKu_fA934-Dt2Xg 提取码: 6bcs

这篇关于DSO学习链接整理的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/849088

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

安卓链接正常显示,ios#符被转义%23导致链接访问404

原因分析: url中含有特殊字符 中文未编码 都有可能导致URL转换失败,所以需要对url编码处理  如下: guard let allowUrl = webUrl.addingPercentEncoding(withAllowedCharacters: .urlQueryAllowed) else {return} 后面发现当url中有#号时,会被误伤转义为%23,导致链接无法访问

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

数论入门整理(updating)

一、gcd lcm 基础中的基础,一般用来处理计算第一步什么的,分数化简之类。 LL gcd(LL a, LL b) { return b ? gcd(b, a % b) : a; } <pre name="code" class="cpp">LL lcm(LL a, LL b){LL c = gcd(a, b);return a / c * b;} 例题:

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识