一.基于VIO的稀疏平面构建与优化基于sparkVIO的双目算法，开发单目VIO稀疏平面二.基于MAP的稀疏平面构建与优化在VIO的基础上，引入更高精度的MAP点，可得到精度更高的平面，但速度明显变慢，因此结合VIO/MAP，使用MAP生成平面，VIO和MAP共同扩展平面的方案。目前存在的问题是竖直面在手机上难以生成三.稀疏和半稠密平面精度，平面边界，平面优化SLAM精度四.结构化SLA...

无监督学习下的深度和位姿估计摘要：文章提出了一种单目深度和位姿估计的无监督学习网络，本文的创新点是完全无监督的网络。整个网络主要分为两个部分，分别是单视图深度估计和多视图位姿估计。需要注意的是本文最后得到的深度和位姿没有系统尺度。如论文中图1所示（这里注意后面有提到同时训练了第三个网络explainability prediction network暂时翻译成解释预测网络）论文核心算...

平面SLAM的总结性文档，包含平面参数化，平面提取生成，平面SLAM优化

问题描述：No implementation found for long org.opencv.core.Mat.n_Mat()表面原因：在函数最前端变量声明的时候，使用了这句代码：MatOfDMatch matches = new MatOfDMatch()导致程序无法运行本质原因：还没有启动OpenCV，无法使用OpenCV中的类给对象初始化，一般OpenCV的启动都选择

ORB_SLAM2的作者在2017年提出了具有地图重用功能的单目视觉惯性定位算法，该算法的具体思路和港科大的VINS有着异曲同工之妙，整体过程可分为下面几个部分：1.整体流程与基础知识总结2.基于流型的IMU预积分3.IMU初始化（视觉惯性联合初始化）4.紧耦合优化模型下面主要通过这三个方面对整个思路做详细的说明。还是按照VINS相同的方式来讲解，首先对整个理论知识做详细的分析...

CSDN的小伙伴们，福利来了，以下总结近年来的机器人和计算机视觉顶会的论文集，赶紧收藏吧！后续还会持续更新，尽请期待，首先介绍一个收录较为完全的网站：http://www.cvpapers.com/CVPR2017：http://www.cvpapers.com/cvpr2017.htmlICCV2017：http://www.cvpapers.com/iccv2017.htm...

2.基于流型的IMU预积分这一部分主要参考论文（2）中的内容，ORB_SLAM2融合惯性数据的算法中预积分处理是参照论文（2）中实现的。前面关于VINS的详解说过预积分计算过程，那篇使用的是四元数旋转求解，和这里的过程是一样的，主要计算三个量，分别是IMU预积分值，预积分测量值的协方差矩阵以及残差的雅各比矩阵，各自用途就不多说，有不懂的可以参照VINS的详解https://blog.csd...

ORB_SLAM2的作者在2017年提出了具有地图重用功能的单目视觉惯性定位算法，该算法的具体思路和港科大的VINS有着异曲同工之妙，整体过程可分为下面几个部分：1.整体流程与基础知识总结2.基于流型的IMU预积分3.IMU初始化（视觉惯性联合初始化）4.紧耦合优化模型下面主要通过这三个方面对整个思路做详细的说明。还是按照VINS相同的方式来讲解，首先对整个理论知识做详细的分析...

无监督学习下的深度和位姿估计摘要：文章提出了一种单目深度和位姿估计的无监督学习网络，本文的创新点是完全无监督的网络。整个网络主要分为两个部分，分别是单视图深度估计和多视图位姿估计。需要注意的是本文最后得到的深度和位姿没有系统尺度。如论文中图1所示（这里注意后面有提到同时训练了第三个网络explainability prediction network暂时翻译成解释预测网络）论文核心算...

VINS理论与代码详解2——观测值预处理一．Feature_tracker文件夹中         首先讲第一部分，也就是纯粹的图像处理部分内容，在论文中的第IV点观测值预处理的A部分视觉前端处理，为了更好的理解代码，有必要将论文中的相关内容和大家讨论一番。         论文内容：每当进入新的图像，都会使用KLT稀疏光流法进行跟踪，同时提取100-300个角点信息，我的理解是角