SLAM十四讲——ch3实践

视觉SLAM十四讲--第13讲 实践:设计SLAM系统(最详细的代码调试运行步骤) 最详细的代码调试运行避坑说明,也包含了我自己对代码的理解,如有理解错误的地方,欢迎指正交流。 阅读详情

一、ch3的总体步骤

  1. 确保已经安装Eigen库,Eigen库是一个C++开源线性代数库。
sudo apt-get install libeigen3-dev

说明: 它提供了快速的有关矩阵的线性代数运算,还包括解方程等功能;想g2o\Sophus等上层软件库也会使用Eigen库。

  1. 在终端中进入ch3文件夹下,顺序执行以下命令进行编译。
mkdir build
cd build
cmake ..
//注意,j4还是其他主要看自己的电脑情况
make -j4
  1. 在build文件中执行。

二、文件的执行

1. 实践:Eigen

在build文件中进一步进入到useEigen中,然后执行 ./eigenMatrix,得到结果如下:

matrix 2x3 from 1 to 6:
1 2 3
4 5 6
print matrix 2x3:
1       2       3
4       5       6
[1,2,3;4,5,6]*[3,2,1]=10 28
[1,2,3;4,5,6]*[4,5,6]: 32 77
random matrix:
 0.680375   0.59688 -0.329554
-0.211234  0.823295  0.536459
 0.566198 -0.604897 -0.444451
transpose:
 0.680375 -0.211234  0.566198
  0.59688  0.823295 -0.604897
-0.329554  0.536459 -0.444451
sum: 1.61307
trace: 1.05922
times 10:
 6.80375   5.9688 -3.29554
-2.11234  8.23295  5.36459
 5.66198 -6.04897 -4.44451
inverse:
-0.198521   2.22739    2.8357
  1.00605 -0.555135  -1.41603
 -1.62213   3.59308   3.28973
det: 0.208598
Eigen values =
0.0242899
 0.992154
  1.80558
Eigen vectors =
-0.549013 -0.735943  0.396198
 0.253452 -0.598296 -0.760134
-0.796459  0.316906 -0.514998
time of normal inverse is 0.14ms
x = -55.7896 -298.793  130.113 -388.455 -159.312  160.654 -40.0416 -193.561  155.844  181.144  185.125 -62.7786  19.8333 -30.8772 -200.746  55.8385 -206.604  26.3559 -14.6789  122.719 -221.449   26.233  -318.95 -78.6931  50.1446  87.1986 -194.922  132.319  -171.78 -4.19736   11.876 -171.779  48.3047  84.1812 -104.958 -47.2103 -57.4502 -48.9477 -19.4237  28.9419  111.421  92.1237 -288.248 -23.3478  -275.22 -292.062  -92.698  5.96847 -93.6244  109.734
time of Qr decomposition is 0.089ms
x = -55.7896 -298.793  130.113 -388.455 -159.312  160.654 -40.0416 -193.561  155.844  181.144  185.125 -62.7786  19.8333 -30.8772 -200.746  55.8385 -206.604  26.3559 -14.6789  122.719 -221.449   26.233  -318.95 -78.6931  50.1446  87.1986 -194.922  132.319  -171.78 -4.19736   11.876 -171.779  48.3047  84.1812 -104.958 -47.2103 -57.4502 -48.9477 -19.4237  28.9419  111.421  92.1237 -288.248 -23.3478  -275.22 -292.062  -92.698  5.96847 -93.6244  109.734
time of ldlt decomposition is 0.043ms
x = -55.7896 -298.793  130.113 -388.455 -159.312  160.654 -40.0416 -193.561  155.844  181.144  185.125 -62.7786  19.8333 -30.8772 -200.746  55.8385 -206.604  26.3559 -14.6789  122.719 -221.449   26.233  -318.95 -78.6931  50.1446  87.1986 -194.922  132.319  -171.78 -4.19736   11.876 -171.779  48.3047  84.1812 -104.958 -47.2103 -57.4502 -48.9477 -19.4237  28.9419  111.421  92.1237 -288.248 -23.3478  -275.22 -292.062  -92.698  5.96847 -93.6244  109.734

2. 实践:Eigen几何模块

(1)Eigen集合模块的数据演示
在build中进入 useGeometry,执行 ./eigenGeometry后,结果如下:

rotation matrix =
 0.707 -0.707      0
 0.707  0.707      0
     0      0      1
(1,0,0) after rotation (by angle axis) = 0.707 0.707     0
(1,0,0) after rotation (by matrix) = 0.707 0.707     0
yaw pitch roll = 0.785    -0     0
Transform matrix =
 0.707 -0.707      0      1
 0.707  0.707      0      3
     0      0      1      4
     0      0      0      1
v tranformed = 1.71 3.71    4
quaternion from rotation vector =     0     0 0.383 0.924
quaternion from rotation matrix =     0     0 0.383 0.924
(1,0,0) after rotation = 0.707 0.707     0
should be equal to 0.707 0.707     0     0

(2)实际的坐标变化例子
在build中进入 examples,执行 ./coordinateTransform后,结果如下:

-0.0309731    0.73499   0.296108

3. 可视化演示

(1)显示运动轨迹
在build中进入 examples,执行 ./plotTrajectory后,结果如下:

plotTrajectory
同时终端输出:

read total 620 pose entries

(2)Eigen集合模块的可视化演示
在build中进入 visualizeGeometry,执行 ./visualizeGeometry后,结果如下:
visualizeGeometry

出现的问题

1.出现的为题:执行./plotTrajectory时出现下面错误

cannot find trajectory file at ./examples/trajectory.txt

解决办法:更改plotTrajectory.cpp文件,将第11行./examples/trajectory.txt改为:

// path to trajectory file
string trajectory_file = "/home/fighter/slam/slambook2/ch3/examples/trajectory.txt";

原因:主要是因为找不到文件导致,这里为了避免更多的问题和麻烦出现,建议直接改为绝对路径。

Ubantu18.04 视觉SLAM十四讲ch3 Pangolin配置+显示运动轨迹&显示相机位姿成功运行 Ubantu18.04 视觉SLAM十四讲ch3 Pangolin配置+显示运动轨迹&显示相机位姿成功运行Pangolin库准备+cmake运行一、Pangolin库安装、准备1.安装必须依赖Glew、CMake、 Boost 、Python2/Python3和其他可选依赖2.安装Pangolin二、显示运动轨迹+显示相机位姿1.显示运动轨迹2.:显示相机位姿OVER Pangolin库准备+cmake运行 提示:这里可以添加本文要记录的大概内容: 例如:随着人工智能的不断发展,机器学习这门技术也越 阅读详情

相关推荐

视觉slam十四讲实践部分记录——ch2 初识SLAM、ch3 三维空间刚体运动

/a.out运行。

m0_69023437的博客 1016

【SLAM】视觉里程计的入门实践

1.典型特征 1)前言 在SLAM系统问题中,根据经典的框架,分为:前端、后端、回环、建图四大部分。所谓前端,就是视觉里程计的部分,视觉里程计又称前端。是视觉构建中,前端的作用就是把图像的信息处理为相关后续可以使用的计算向量,就是通过图像得出相机的运动信息,为后续计算提供可能。 > 图像处理中,特征点指的是图像灰度值发生剧烈变化的点或者在图像边缘上曲率较大的点(即两个边缘的交点)。图像特征点在基于特征点的图像匹配算法中有着十分重要的作用。图像特征点能够反映图像本质特征,能够标识图像中目标物体。通过特征

heroybc的博客 1152

告别枯燥的Unity编辑器脚本:Odin插件如何让游戏数据配置变得像搭积木一样简单?

本文详细介绍了Odin插件如何简化Unity编辑器脚本开发,使游戏数据配置变得直观高效。通过声明式特性和丰富的可视化工具,Odin让开发者告别繁琐的OnGUI代码,实现所见即所得的开发体验。文章重点展示了Odin的核心优势、魔法特性及实战案例,帮助Unity开发者提升工作效率。

weixin_28717411的博客 351

视觉SLAM十四讲——ch12实践(建图)

make -j” 是一个 Linux 命令,它使用所有可用的 CPU 核心来并行编译程序。通常在不指定进程数量时,使用这个命令可以最大化地利用 CPU 资源以加快编译速度。这个命令会启动尽可能多的进程来同时编译程序,以便快速生成可执行文件。此命令将自动检测计算机上可用的 CPU 核心数量,并在所有可用的核心上启动相应数目的编译任务。需要注意的是,由于多个进程同时在运行,因此使用 “make -j” 命令时可能会出现输出混乱的情况,但这不影响编译结果的正确性。

琉璃轻纱的博客 3252

elasticsearch-6.5.4集群部署(图文详细)及常见错误

目录 服务器规划 部署包下载 服务器初始化(所有节点都要操作) 内核参数修改 /etc/security/limits.conf修改 /etc/sysctl.conf文件修改 禁用selinux 关闭防火墙 创建es用户 安装jdk es部署 单节点(节点1)部署 部署包上传解压 配置文件修改 修改文件属组 部署包分发 单节点(节点2)部署 配置文件修改 修改文件属组 单节点(节点3)部署 配置文件修改 修改文件属组 启动ES集群 验证 单节点验证 查看集

夜灬狼丶 1983

告别糊涂账!用CKM3底表逻辑自建物料成本监控报表(含ABAP代码片段)

本文详细介绍了如何利用CKM3底表逻辑自建物料成本监控报表,解决标准报表无法穿透成本差异根源的问题。通过ABAP代码片段和四步架构法,帮助财务团队精准分析成本构成,优化成本核算批量处理,实现多维透视差异分析,提升成本监控效率。

weixin_30740295的博客 269

【视觉SLAM十四讲】各种库的安装及代码实践

在学习高博的《视觉SLAM十四讲》的过程中,遇到了各种问题。虽说在网上都能找到对应的解决方案,但没有一篇是详细列尽遇到的问题的文章。于是,打算自己写一篇记录学习过程中遇到的一系列问题。希望能为后续的学习提供一点帮助!(自己也是新手小白,还是有很多不懂的地方。

2302_80099075的博客 6058

用RK3588+FPGA搞定Cameralink高速相机?这份保姆级硬件选型与接口配置指南请收好

本文详细介绍了如何利用RK3588与FPGA构建Cameralink高速相机系统,涵盖硬件选型、接口配置及性能优化等关键步骤。通过异构计算架构和精准的带宽分配,实现工业视觉检测和科研成像领域的高效解决方案,特别适合需要实时处理的复杂应用场景。

weixin_30493401的博客 643

《视觉SLAM十四讲》ch3 实践:Eigen

执行结果如下图所示。

wjy6666678的博客 38

vue3 - element-plus表格组件el-table实现鼠标拖曳排序功能,vue3 Table表格拖拽排序,表格每行使用鼠标拖动进行排序功能,表格拖拽排序实现(详细示例代码,一键复制开箱即用

vue3,elementPlus,el-table,typescript,表格组件,Table表格,表格拖动排序,表格拖曳排序,鼠标拖拽表格进行排序功能,elementplus表格如何实现拖动每行进行排序操作,表格拖动改变顺序,鼠标拖曳,表格内的数据项拖拽排序,vue3如何实现element-Plus表格组件进行表格内的数据项拖拽排序,列表拖拽排序效果,实现table动态拖拽,鼠标拖着排序,vue3 element Plus 表格拖曳拖动拖拽 排序,el-table拖拽排序实现,表格内容拖拽重新排序,树形表

✅ 精选推荐文章 1万+

基于Simulink的异步电机定子磁链定向控制(SFOC)仿真

本文带你从零构建了异步电机SFOC系统​ 的完整Simulink仿真模型,实现了:✅ 搭建异步电机、逆变器、风机负载的主电路与传感器模型;✅ 用MATLAB Function实现定子磁链观测(电压模型)、坐标变换、双闭环PI控制;✅ 验证SFOC在转速跟踪(响应0.2s、超调4%)、转矩响应(恢复0.15s)中的高性能;✅ 对比RFOC,明确SFOC在参数鲁棒性(转子电阻+50%时波动<2%)上的独特优势;✅ 理解SFOC“定子磁链定向+解耦控制”的核心思想(低成本高鲁棒性驱动的工程实现)。

xiaoheshang_123的博客 394

《视觉SLAM十四讲从理论到实践 第二版》实践部分——ch3

《视觉SLAM十四讲从理论到实践 第二版》实践部分

a1446018093的博客 725

Far planner 代码系列(14)

MatchContourWithNavGraph(3) this->EnclosePolygonsCheck(); //可能有些ctnode的is_contour_necessary属性变成了true // 这说明我的contour_graph是一个local层级的 才会从这里面 get new vertices new_convex_vertices.clear(); //! 把contour_graph_里符

博客 904

学习《视觉SLAM十四讲》——ch3实践踩坑及解决办法总结

最近开始学习高翔博士的《视觉SLAM十四讲》,把运行示例代码遇到的问题总结记录一下。

Ron__ronner的博客 444

真正会做事的AI-OpenClaw关联飞书机器人

飞书关联Openclaw,实现AI高效办公

zy_xingdian的博客 223

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

slam十四讲ch3实践(遇到的各种问题及解决方法)

我是在遇到问题后参考了其他几篇博客进行了解决,参考博客会在最后附上链接,写此文章也是为了记录问题,以后需要就可以不用到处去找了。

phhone的博客 975

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

视觉SLAM十四讲 ch3 Ubuntu18.04 KDevelop的使用及Eigen实践 入门笔记

创建KDevelop项目,安装Eigen,实际编写程序eigenMatrix.cpp

qq_41339558的博客 2960

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

《视觉SLAM十四讲从理论到实践 第二版》课后习题——ch3

《视觉SLAM十四讲从理论到实践 第二版》课后习题

a1446018093的博客 580

《视觉Slam十四讲》实践篇:环境配置与报错解决(ch2-ch3)

《高翔视觉slam十四讲》学习环境配置和实例代码报错解决。

qq_44706002的博客 808

《视觉SLAM十四讲》ch7视觉里程计1学习笔记(3)——实践部分三角测量代码解析

在这篇文章中,记录的是我对《视觉SLAM十四讲》第七讲——视觉里程计1实践部分中,三角测量代码的理解以及相关函数的解释。

weixin_70026476的博客 689

《视觉slam十四讲》ch5相机与图像学习笔记(3)——实践部分 RGB-D相机代码解释及相关函数介绍

在这篇博客中,主要介绍《视觉SLAM十四讲》第五讲的实践部分——RGB-D代码详解。

weixin_70026476的博客 2020

视觉slam十四讲ch3三维空间刚体运动(包含实践部分)

欧拉角的一个重大缺点是会碰到著名的万向锁问题(Gimbal Lock)在俯仰角为±90°时,第一次旋转与第三次旋转将使用同一个轴,使得系统丢失了一个自由度(由3次旋转变成了2次旋转)。这被称为奇异性问题,在其他形式的欧拉角中也同样存在。理论上可以证明,只要想用3个实数来表达三维旋转,都会不可避免地碰到奇异性问题。由于这种原理,欧拉角不适用于插值和迭代,往往只用于人机交互中。我们也很少在SLAM程序中直接使用欧拉角表达姿态,同样不会在滤波或优化中使用欧拉角表达旋转(因为它具有奇异性)。

shikaiaixuexi的博客 1116

从零到一:掌握视觉SLAM十四讲第二版,开启机器人自主导航新篇章

视觉SLAM(Simultaneous Localization and Mapping)技术是实现机器人自主导航的核心,而《视觉SLAM十四讲第二版》作为开源项目slambook2的重要组成部分,为初学者提供了从理论到实践的完整学习路径。本文将带你快速了解这个项目的核心价值、内容结构以及如何开始你的SLAM学习之旅。 ## 为什么选择slambook2?三大核心优势 slambook2项目以

gitblog_01001的博客 765

视觉SLAM十四讲完整资源指南:从理论到实践的终极学习宝库

GitHub 加速计划 / sl / slambook 是一个全面的视觉SLAM学习项目,涵盖从基础理论到实际应用的完整资源,帮助新手和普通用户快速掌握视觉SLAM技术。 ## 📚 项目结构概览 项目包含多个章节和实用工具,为学习视觉SLAM提供全方位支持: - **基础理论**:从ch2到ch8,涵盖SLAM基础、矩阵运算、李群李代数、相机模型等核心概念 - **实践应用**:ch9到c

gitblog_00828的博客 1079

SLAM十四讲(第二版)问题

g2o版本问题g2o版本问题ch13 demo运行 g2o版本问题 由于高博SLAM十四讲中使用的g2o版本年限差距 而且g2o版本的更迭也比较快, 所以将版本换成高翔博士的版本 cd g2o mkdir build cmake .. make -j12 sudo make install orb-slam2和orb-slam3等一些开源方案一般会自己提供第三方库,将其编译为链接库 比如g2o编译为libg2o.so 高博的代码是寻找系统安装的g2o 如果以后想切换 cd g2o_原先文件夹 cd bu

weixin_43848456的博客 2293

【视觉SLAM十四讲】ch3笔记【逐行代码带你解析】【适合纯小白 ps:因为我就是】(持续更新中)

上面我们知道了旋转矩阵跟旋转向量还有欧拉角都带有奇异性,所以我们引入四元数。用四元数来表达三维空间旋转时它既是紧凑的,也没有奇异性。它是一种类似于复数的代数。但是四元数也有缺点,它不够直观,而且运算稍微比较复杂。想要了解什么是四元数,我们得先了解复平面,下面给出了一个复平面的学习链接。大家如果不清楚什么是复平面的话,可以去看一下:链接:link以下是我学习到这里的时候做的一点小笔记(不许嫌弃我字丑!!!):下面开始讲四元数:一个四元数q拥有一个实部和三个虚部其中i,j,k。

R_ichun的博客 1529
上一篇: 视觉SLAM十四讲中第四讲实践中出现的问题:cannot find trajectory file at ./examples/trajectory.txt
下一篇: SLAM十四讲——ch4实践(李群李代数)
琉璃轻纱
博客等级 码龄8年 9557粉丝 85原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址