视觉SLAM14讲-高翔 学习记录

坐标变换：欧式变换、旋转矩阵、旋转向量、欧拉角、四元数（附：参考自高翔-视觉slam十四讲）

观测数据即相机成像的过程。计算机以二位矩阵的形式存储图像像素。（附：参考高翔-视觉slam14讲）

通过李代数求导进行位姿估计（附：参考高翔-视觉slam14讲）

本文依托于视觉SLAM第6讲，介绍了如何把SLAM状态估计问题转化为最小二乘问题，以及一些常用的最小二乘问题优化方法，例如：直线下降法、牛顿法、高斯-牛顿法，列文伯格-马夸尔特法。

视觉SLAM前五节报错解决方案（涉及Eigen库、pangolin库、opencv库等）

主要介绍了图像特征点提取、匹配，以及视觉里程计下的位姿估计和深度测量.

高翔-视觉slam14讲第7讲代码详解

本节直接法与上节特征点法，为视觉里程计估计位姿的两大主流方法。而在引出直接法前，先介绍光流法（二者均对灰度值 I 做文章）。

本节主要为视觉SLAM第8讲直接法代码详解，附带双线性插值、报错解决方案等.