1三维空间刚体运动我们很容易想到，刚体在三维空间中的运动是由一次旋转和+一次平移组成的。平移其实就是刚体在三轴方向上移动的距离，问题不大，但在视觉SLAM问题中旋转的处理是比较麻烦的。接下来介绍旋转矩阵、四元数、欧拉角的定义，以及他们是如何运算和变换的。1.1 点、向量和坐标系为什么要弄明白这些基础的问题呢，恰恰因为他们是基础，而最容易忽视的也是基础。1、点是空间中的基本元素，无体积，无长度。2、

什么是SLAM？SLAM的全称为同时定位和建图指搭载特定传感器的主体，在 没有环境先验信息的情况下，于运动过程中建立环境的模型，同时估计自己的运动。你可以把自己当作那个主体，想象你处在一个陌生的环境，然后开始做你想做的事，我们左顾右盼，四处走走建立起对周围环境的感知的过程就是SLAM。SLAM分类SLAM按传感器配置的不同可以分为激光SLAM、视觉SLAM和多传感器融合的SLAM。如果此主体搭载的

请看这篇博文：聊聊SLAM问题中的信息矩阵。

G2O图优化基础和SLAM的Bundle Adjustment(光束法平差)-转载G2o是一个重度模板类的C++优化库。这篇文章首先介绍了C++的类部分的基础，为理解G2o的代码结构有着重要的意义。举了几个例子，代码风格也是我喜欢的，几个例子基本都是高博《十四讲》上的。后面详细的梳理了G2o的代码框架，和用G2o求解优化问题的步骤。...

目录1 可观性分析大体理解2 可观性定义3 可观性矩阵1 可观性分析大体理解什么是可观性分析？能观性分析通过计算可观性矩阵，分析它的零空间的秩，来分析系统哪些状态维度可观/不可观。可观性矩阵对应系统可观测的维度，零空间对应系统不可观的维度。为什么要做能观性分析？举个例子：真实VIO系统不能观的维度是4（位置和yaw角），而实际MSCKF不能观的维度变成了3，绕重力轴的旋转（yaw角）被错误地能观了

目录1、上次选拔简单回顾2、最后一轮选拔指标——连续性检测2.1 这一阶段相关概念2.2 连续性检测原理介绍3、非常感谢您的阅读！上次我们已经通过层层选拔，选出了一部分闭环候选关键帧，也知道了层层选拔的必要性，今天我们一起来看看，最后一轮选拔，闭环候选关键帧终于冲出重围，拨云见日现真颜了！1、上次选拔简单回顾①检查一下闭环关键帧队列里是否为空，一般不为空；②统计与闭环检测帧有连接关系的关键帧（共视

目录1、SearchBySim32、图解每一步实现原理2.11、SearchBySim3函数SearchBySim3（）。通过计算的Sim3变换，查找更多的匹配（成功的闭环匹配需要满足足够多的匹配特征点数，之前使用SearchByBoW进行特征点匹配时会有漏匹配），投影搜索pKF1的特征点在pKF2中的匹配，同理，投影搜索pKF2的特征点在pKF1中的匹配，只有互相都成功匹配的才认为是可靠的匹配。

目录1、 SearchByBoW2、图解每一步实现原理2.1 通过词袋模型寻找匹配2.2 通过旋转直方图来筛除离群点前面，我们已经了解到了sim3的求解流程，具体计算过程中有三步比较重要：1、寻找两关键帧之间的粗匹配来粗略估计sim3；2、由粗略估计出的sim3来寻找两关键帧之间更多的匹配；3、构建图优化模型，固定地图点通过两关键帧的地图点到两帧的重投影误差来优化sim3.1、 SearchByB

1 OptimizeSim3（）经过前面那么多步骤，终于来到闭环检测的最后一步了，只要sim3优化通过则证明真正检测到了闭环，然后接下来的工作才是闭环矫正。关于g2o优化的知识，如果没有学习的话，推荐看我之前的关于g2o介绍以及编程步骤的博客。首先把整个优化代码贴在下面，然后一步步图解。这里面还包含了g2o顶点和边的编程套路，关于此可以阅读g2o顶点编程和g2o边编程。int Optimizer:

目录1 智慧星球的武器（100分）2 匹配先验框（这个只得了80分）最近做了格灵深瞳算法题目，这个公司是研究计算机视觉的，算法自然绕不开人工智能的那些图像处理算法。我虽然是学视觉SLAM，但是对图像处理的一些算法不甚了解，做起来有点吃力。这里分享两个比较简单的算法笔试题吧。有想准备这家公司的可以参考一下1 智慧星球的武器（100分）#include <cmath>#include &l