本文是个人对《视觉SLAM十四讲》的内容进行个人理解说写下的笔记 以备忘向量向量一般为列向量,用小写字母表示。向量相乘点乘为内积，可表达为以下，<a,b>为向量a、b间夹角，结果可描述为向量间投影关系。叉乘为外积，可表达如下，结果为列向量，同时该列向量垂直于向量a、b，为两个向量张成的四边形有向面积。而在上述的运算中可知，向量a等价于反对称矩阵，如下，既向量转换为矩阵的一个重要的变换，

视觉SLAM十四讲ch7 orb_self.cpp报错 段错误 (核心已转储)

使用imu_tools进行滤波，对/catkin_ws/src/imu_tools/imu_complementary_filter/launch/complementary_filter.launch文件进行修改，改好输入输出，再进行运行lio sam。（开始认为激光雷达和imu时间没有对齐）经过多次调试，发现将imu的频率下降到100hz就好多了（可能因为imu精度有问题，但是看起来又没问题）

当M(n,n)过大意味着在数据均值的n维上变化较大，反之M(n,n)过小意味着数据在均值 的n维上变化不大。协方差矩阵的特征值意义：表示样本拟合直线的程度，越大意味着样本越偏离于特征向量，特征值为1时拟合最好。反之M(n,m)过小意味着数据在均值的n和m维上变化较小，数据在m和n轴的相关性较弱。当M(n,m)过大意味着数据在均值的n和m维上变化较大，数据在m和n轴的相关性较强。M * n = a

虽然激光雷达精度高，但仍存在误差，更何况存在运动畸变，所以以位姿图的形式进行优化BA，效果当然不会好。edge：二元边，误差表示为，两个关键帧的位姿下的关键点对距离。BA是位姿节点+观测节点+观测误差组成的。位姿图是位姿节点+位姿节点间误差。vertex：关键帧位姿。因子图是位姿节点+因子。

ubuntu18.04 安装 anaconda3 以及创建环境

bonnetal rangnet++运行记录

使用imu_tools进行滤波，对/catkin_ws/src/imu_tools/imu_complementary_filter/launch/complementary_filter.launch文件进行修改，改好输入输出，再进行运行lio sam。（开始认为激光雷达和imu时间没有对齐）经过多次调试，发现将imu的频率下降到100hz就好多了（可能因为imu精度有问题，但是看起来又没问题）

使用imu_tools进行滤波，对/catkin_ws/src/imu_tools/imu_complementary_filter/launch/complementary_filter.launch文件进行修改，改好输入输出，再进行运行lio sam。（开始认为激光雷达和imu时间没有对齐）经过多次调试，发现将imu的频率下降到100hz就好多了（可能因为imu精度有问题，但是看起来又没问题）

视觉SLAM十四讲ch7 orb_self.cpp报错 段错误 (核心已转储)