SLAM是Simultaneous Localization and Mapping的缩写，中文“同时定位于地图构建”。双目SLAM的距离估计是比较左右眼的图像获得的，非常消耗计算资源，需要使用GPU和FPGA设备加速。所以计算量是双目的主要问题之一。基线：两个相机之间的距离，基线越大，能够测量到的物体越远。回环检测：又称闭环检测，主要解决位置估计随时间漂移的问题，需要让机器人具有识别到过的场景的

Eigen库是一个C++的开源线性代数库。它是一个纯头文件搭建起来的库，不需要链接库文件。Eigen库中所有的向量和矩阵都是Eigen::Matrix，它是一个模板类，它的前三个参数为数据类型、行、列。如果不确定矩阵的大小，可以使用动态大小的矩阵：Matrix<double,Dynamic,Dynamic> matrix_dynamic;随机数矩阵：Matrix3d::Random()

相机内参变化与快门特性对SLAM的影响 相机内参变化：当分辨率翻倍时，焦距(fx,fy)和主点坐标(cx,cy)会变为原来的两倍，而畸变系数保持不变。这是因为像素尺寸变小，但物理焦距和传感器尺寸未变。 快门特性对比： 全局快门：同时曝光所有像素，适合高速运动场景，能避免果冻效应，但成本较高。 卷帘快门：逐行曝光，成本低且易实现高分辨率，但在快速移动时会产生图像扭曲。 RGB-D相机标定要点： 需标

统计滤波器的主要思想是假设点云中所有的点与其最近的k个邻居点的平均距离满足高斯分布，那么，根据均值和方差可确定一个距离阈值，当某个点与其最近k个点的平均距离大于这个阈值时，判定该点为离群点并去除。统计滤波器的实现原理如下：首先，遍历点云，计算每个点与其最近的k个邻居点之间的平均距离；其次，计算所有平均距离的均值μ与标准差σ，则距离阈值dmax可表示为dmax=μ＋α×σ，α是一个常数，可称为比例系

可以利用matlab中自带的findpeaks函数来寻找频谱图的峰值和位置。1.其功能是在范围内只找一个峰值，且为此范围内最大的peak。[pks,locs] = findpeaks(data,x,'MinPeakDistance',6);2.设定峰值的最小高度[pks,locs] = findpeaks(data,x,'minpeakheight',6);3.根据以上的两...

OpenCV和MATLAB的相机标定工具在模型实现上存在差异。针孔模型中，OpenCV采用固定PlumbBob模型（含径向k1-k3和切向p1-p2畸变），而MATLAB提供可选的'Brown'模型或带轴倾斜的'Skew'模型。鱼眼模型中，OpenCV使用基于等距投影的专用模型(k1-k4)，MATLAB则采用更灵活的Kannala-Brandt多项式模型。两者标定结果不能直接互换，建议根据应用场

在点云的处理中，需要分离地面点和非地面点。使用CloudCompare可以完成。先加载一份点云数据，点击插件中的CSF Filter功能，弹出如下图所示的对话框：其中，“Steep slope”是陡坡；“Relief”是缓坡；“Flat”是平地，根据自己的点云情况选择对应的参数。点击ok。最后得到的地面点云如下图所示：...