摘要

概论

• [x] Edit By Porter, 积水成渊,蛟龙生焉。

摘要

Halcon中的lines_gauss采用的是steger算法，Steger算法基于Hessian矩阵，能够实现线条中心亚像素精度定位。

高斯线提取算法流程及基础

1. 高斯模糊滤波；
2. 粗定位线条位置，减少运算量；
3. Hessian矩阵计算特征值检测线条法线方向；
4. 定位线条的亚像素坐标；

摘要

RANSAC(RAndom SAmple Consensus,随机采样一致)

ransac algorithm，在可能存在无匹配的情况下，我们更倾向于使用ransac（random sample concensus, RANSAC）来求解，而不是最小二乘法。RANSAC 算法是一种通用的做法，适用于很多带错误数据的情况，可以处理带来错误匹配的数据。

《视觉slam十四讲》–7.4节。

简介

RANSAC(RAndom SAmple Consensus,随机采样一致)算法是从一组含有“外点”(outliers)的数据中正确估计数学模型参数的迭代算法。“外点”一般指的的数据中的噪声，比如说匹配中的误匹配和估计曲线中的离群点。所以，RANSAC也是一种“外点”检测算法。RANSAC算法是一种不确定算法，它只能在一种概率下产生结果，并且这个概率会随着迭代次数的增加而加大（之后会解释为什么这个算法是这样的）。RANSAC算最早是由Fischler和Bolles在SRI上提出用来解决LDP(Location Determination Proble)问题的 $^{[1.]}$ 。

引言

PNP问题的描述以及定义是相对简单的，他的目的就是求解3D-2D点对运动的方法。简单来说，就是 在已知n个三维空间点坐标（相对于某个指定的坐标系A）及其二维投影位置的情况下，如何估计相机的位姿（即相机在坐标系A下的姿态）。

举个例子，我们在一幅图像中，知道其中至少四个图像中确定的点在3D空间下的相对坐标位置，我们就可以估计出相机相对于这些点的姿态，或者说估计出这些3D点在相机坐标系下姿态。（上述说的姿态或者位姿，包括位置以及方向，即一个6自由度的状态） $^{[1.]}$

PnP 问题有很多种求解方法，例如用三对点估计位姿的 P3P 、直接线性变换(DLT)、EPnP、SDP、UPnP。此外,还能用非线性优化的方式,构建最小二乘问题并迭代求解,也就是万金油式的 Bundle Adjustment $^{[2.]}$ 。

• [x] Edit By Porter, 积水成渊,蛟龙生焉。
• [x] Insert Date String 插件，ctrl+shift+I 插入时间字符串

引言

• 激光雷达内参标定：内部激光发射器坐标系与雷达本身坐标系的转换关系，在出厂前已经标定完成，可以直接使用；

• 自动驾驶系统需要进行外参标定，即激光雷达自身坐标系与车体坐标系的关系；

• 激光雷达与车体为刚性连接，两者间的相对姿态和位移固定不变；为建立激光雷达之间及激光雷达与车辆之间的相对坐标关系，需要对激光雷达的安装进行标定，并使激光雷达数据从激光雷达坐标系转换至车体坐标系上；

• [x] Edit By Porter, 积水成渊,蛟龙生焉。

摘要（优化中）

在SLAM的众多传感器解决方案中，相机与IMU的融合被认为具有很大的潜力实现低成本且高精度的定位与建图。这是因为这两个传感器之间具有互补性：相机在快速运动、光照改变等情况下容易失效。而IMU能够高频地获得机器人内部的运动信息，并且不受周围环境的影响，从而弥补相机的不足；同时，相机能够获得丰富的环境信息，通过视觉匹配完成回环检测与回环校正，从而有效地修正IMU的累计漂移误差。

相机与IMU之间的外参包括两部分：

• 相机与IMU之间的相对位姿

如下图所示，相机与IMU之间的相对位姿值的是相机坐标系和IMU坐标系之间的变换，包括相对旋转角和相对平移量。

• 相机与IMU之间的时间差

由于触发延时、传输延时的存在，传感器的采样时间和时间戳的时间不匹配，如下图所示，从而导致相机和IMU之间存在时间差td。

• [x] Edit By Porter, 积水成渊,蛟龙生焉。

摘要

本部分工作需要在ros的gazebo 仿真环境下搭建简单的小车和相机、激光雷达完成相机和激光雷达的联合标定工作。

未完待续

• [x] Edit By Porter, 积水成渊,蛟龙生焉。

引言

单一传感器不可避免的存在局限性，为了提高系统的稳健性，多采取多传感器融合的方案，融合又包含不同传感器的时间同步和空间同步 $^{[1.]}$ 。

激光雷达和相机的联合标定就属于空间同步范畴。

目前做相机和激光雷达的标定工具有很多，例如：开源无人驾驶软件Autoware，apollo，lidar_camera_calibration, but_velodyne

还有calibration_camera_lidar calibration_camera_lidar，从autoware分离出来的相机雷达联合标定ros包。

激光雷达和相机联合标定还需要对相机进行标定，比如常见的棋盘格 $^{[2.]}$ 相机内外参标定。

• [x] Edit By Porter, 积水成渊,蛟龙生焉。

摘要

本文记录了1.30 hexo 换电脑后的本地环境配置。建议使用当前的环境，如果可以也可以使用最新的环境。

hexo实现本地图片的显示，改动方法参考[1.9 hexo 实现本地图片加载]

• [x] Edit By Porter, 积水成渊,蛟龙生焉。

摘要

双目标定的目标是获得左右两个相机的内参、外参和畸变系数，其中内参包括左右相机的fx，fy，cx，cy，外参包括左相机相对于右相机的旋转矩阵和平移向量，畸变系数包括径向畸变系数（k1， k2，k3）和切向畸变系数（p1，p2）。

双目相机标定主要的就是为了确定左右相机的内参和两个相机之间的旋转跟平移矩阵，其中matlab的可视化标定工具对双目相机标定入门选手比较友好，本文主要介绍目前可以使用的双目标定工具及双目标定原理。

• [x] Edit By Porter, 积水成渊,蛟龙生焉。