前言这篇博客主要记录了我在深蓝学院视觉slam课程中的课后习题，因为是为了统计知识点来方便自己以后查阅，所以有部分知识可能不太严谨，如果给大家造成了困扰请见谅，大家发现了问题也可以私信或者评论给我及时改正，欢迎大家一起探讨。其他章的笔记可以在我的首页文章中查看。整个作业的代码和文档都可以参考我的GitHub存储库GitHub - 1481588643/vslam如果想要了解视觉slam其他章节的内

一.熟悉Eigen矩阵运算 (2分，约2小时)Eigen（http://eigen.tuxfamily.org）是常用的 C++矩阵运算库，具有很高的运算效率。大部分需要在 C++中使用矩阵运算的库，都会选用 Eigen作为基本代数库，例如 GoogleTensorflow，GoogleCeres，GTSAM等。本次习题，你需要使用 Eigen库，编写程序，求解一个线性方程组。为此，你需要先了解一

单目相机模型：　　针孔相机模型的映射关系：　　化为矩阵形式：　　其中，中间的矩阵被称为相机的内参矩阵K。通常认为，相机的内参在出厂之后是固定的，不会在使用过程中发生变化。有点相机生产厂商会告诉你相机的内参，而有时需要你自己确定相机的内参，也就是所谓的标定。（目前标定算法已经比较成熟，如著名的单目棋盘格张友正标定法）　　（后一个式子隐含了一次齐次坐标到非齐次坐标的转换：T为4X4的矩阵 Pw为3X1

一、背景”张正友标定”是指张正友教授1998年提出的单平面棋盘格的摄像机标定方法[1]。文中提出的方法介于传统标定法和自标定法之间，但克服了传统标定法需要的高精度标定物的缺点，而仅需使用一个打印出来的棋盘格就可以。同时也相对于自标定而言，提高了精度，便于操作。因此张氏标定法被广泛应用于计算机视觉方面。二、计算内参和外参的初值1、计算单应性矩阵H根据之前博客介绍的摄像机模型，设三维世界坐标的点为X=