SLAM练习题(四)——三维空间刚体旋转

《视觉SLAM十四讲》学习系列(2)—三维空间刚体运动 《视觉SLAM十四讲》学习系列(2)—三维空间刚体运动视觉SLAM十四讲学习系列2三维空间刚体运动 基础数学知识 标准正交基 反对称矩阵 正交矩阵 旋转矩阵 坐标系间的欧氏变换 变换矩阵与齐次坐标 旋转向量 欧拉角 四元数 定义与基本运算 加法和减法 乘法 共轭 模长 逆 数乘与点乘 用四元数表述旋转 四元数到旋转矩阵的转换 各种表示方式的比较 相似仿射射影变换 本文主要内容来自《视觉SLAM十四讲 阅读详情

从零手写SLAM笔记

旋转方式转化

题目1:已知旋转矩阵定义是沿着Z轴旋转45°。请按照该定义初始化旋转向量、旋转矩阵、四元数、欧拉角。请编程实现:

1、以上四种表达方式的相互转换关系并输出,并参考给出的结果验证是否正确。

2、假设平移向量为(1,2,3),请输出旋转矩阵和该平移矩阵构成的欧式变换矩阵,并根据欧式变换矩阵提取旋转向量及平移向量。
**知识点:**1、学习eigen中刚体旋转的四种表达方式,熟悉他们之间的相互转换关系 2、熟悉旋转平移和欧式变换矩阵的相互转换关系

四种旋转方式的初始化:

    // 初始化

    // 旋转向量(轴角):沿z轴旋转45°
    Eigen::AngleAxisd rotation_vector(M_PI/4, Eigen::Vector3d(0,0,1));
    cout<<"rotation_vector axis=\n"<<rotation_vector.axis()<<endl;
    cout<<"rotation_vector angles\n"<<rotation_vector.angle()<<endl;

    // 旋转矩阵: 沿z轴旋转45°
    Eigen::Matrix3d rotation_matrix = Eigen::Matrix3d::Identity();
    rotation_matrix<<
        0.707, -0.707, 0,
        0.707,  0.707, 0,
        0,      0,     1;
    cout<<"rotation matrix=\n"<<rotation_matrix<<endl;

    // 四元数: 沿z轴旋转45度
    Eigen::Quaterniond quat = Eigen::Quaterniond(0,0,0.383,0.924);  // 赋值方式为(w,x,y,z)
    cout<<"四元数输出方式1:quaternion=\n"<<quat.coeffs()<<endl;    // 输出方式为(x,y,z,w)
    cout<<"四元数输出方式2:\tw="<<quat.w()<<"\tx="<<quat.x()
        <<"\ty="<<quat.y()<<"\tz="<<quat.z()<<endl;
    
    // 欧拉角: 沿z轴旋转45°
    Eigen::Vector3d euler_angles = Eigen::Vector3d(M_PI/4,0,0);// zyx顺序即yaw pitch roll顺序
    cout<<"Euler:yaw pitch roll="<<euler_angles.transpose()<<endl;

旋转矩阵,四元数,旋转向量的相互转化:

在这里插入图片描述

仔细品一下可以看到,旋转向量和四元数转化为旋转矩阵,Eigen提供了两种函数:toRotationMatrix() 和 Matrix()。

对于旋转矩阵转化为旋转向量,Eigen提供了fromRotationMatrix()。

其余两者转换可以通过eg: V=R or V®两种方式进行赋值。

	// 相互转换关系
    
    // 旋转向量转化为其他形式
    cout<<"旋转向量转化为旋转矩阵方法1:rotation matrix=\n"<<
        rotation_vector.toRotationMatrix()<<endl;
    cout<<"旋转向量转化为旋转矩阵方法2:rotation matrix=\n"<<
        rotation_vector.matrix();
    quat = rotation_vector;
    cout<<"旋转向量转化为四元数:quaternion=\n"<<quat.coeffs()<<endl;

    // 旋转矩阵转换为其他形式
    cout<<"旋转矩阵转换为旋转向量:rotation_vector axis=\n"<<
    rotation_vector.fromRotationMatrix(rotation_matrix).axis()<<
    "\n rotation_vector angle = "<<rotation_vector.fromRotationMatrix(rotation_matrix).angle()<<endl;
    // fromRotationMatrix 参数只适用于旋转向量,不适用于四元数

    rotation_vector = rotation_matrix;
    cout<<"旋转矩阵直接给旋转向量赋值初始化: rotation_vector angle= \n"<<rotation_vector.angle()<<endl;
    cout<<"rotation_vector axis=\n"<<rotation_vector.axis()<<endl;

    euler_angles = rotation_matrix.eulerAngles(2,1,0); //难点 z y x 
    cout<<"旋转矩阵转化为欧拉角: yaw pitch roll="<<euler_angles.transpose()<<endl;
    quat = rotation_matrix;
    cout<<"旋转矩阵转化为四元数:quaternion=\n"<<quat.coeffs()<<endl;

    // 四元数转换为其他形式
    rotation_vector = quat;
    cout<<"四元数转化为旋转向量:rotation_vector axis=\n"<<rotation_vector.axis()
        <<"rotation_vector angle=\n"<<rotation_vector.angle()<<endl;
    
    rotation_matrix = quat.toRotationMatrix();
    cout<<"四元数转换为旋转矩阵方法1:rotation matrix=\n"<<rotation_matrix<<endl;

    rotation_matrix = quat.matrix();
    cout<<"四元数转化为旋转矩阵方法2:rotation matrix=\n"<<rotation_matrix<<endl;

要特别注意旋转矩阵转化为欧拉角:

euler_angles = rotation_matrix.eulerAngles(2,1,0); //难点 z y x 

参数2 1 0表示按z y x 也就是按yaw ,pitch,roll的顺序表示欧拉角

欧式变换矩阵:

// 欧式变换矩阵使用Eigen::Isometry ,仿射变换用Eigen::Affine3d, 射影变换用Eigen::Projective3d
    Eigen::Isometry3d T = Eigen::Isometry3d::Identity();    // 初始化
    T.rotate(rotation_vector);
    Eigen::Vector3d v1 = Eigen::Vector3d(1,2,3);
    T.pretranslate(v1);

    cout<<"Transform matrix = \n"<<T.matrix()<<endl;
    cout<<"rotation matrix of T is :\n"<<T.rotation()<<endl;
    cout<<"translation of T is :\n"<<T.translation()<<endl;

注意到初始化T的旋转部分的函数是rotate(),而输出T的旋转部分函数是rotation()。

对于函数命名的感悟:似乎函数赋值这类的函数名字一般用动词,而输出已有的成员的时候用名词。这样做确实更加符合逻辑。

讨论

(参考星球讨论)
问:

  1. 在旋转矩阵直接转换成欧拉角代码里rotation_matrix.eulerAngles(2.1.0)这里的2,1,0代表什么意思?

答:分别是代表不同的坐标轴 :代码中注释是rotation_matrix.eulerAngles(2, 1, 0); // ZYX顺序,即roll pitch
yaw顺序。查一下eigen官网,看如下链接Eigen: Geometry module发现了 Each of the three parameters a0,a1,a2
represents the respective rotation axis as an integer in {0,1,2}. For instance, in:Vector3f ea = mat.eulerAngles(2, 0, 2); “2” represents the z axis and “0” the x axis, etc.

  1. 欧氏变换矩阵使用代码里T.rotate()这个括号里是不是可以选择另一种方式旋转?

答:是的,具体支持的类型也是要去看定义,在这里Eigen: Eigen::Transform< _Scalar, _Dim, _Mode, _Op…可以看
到支持我们所有的旋转类型。

提示:遇到不懂函数可以去查找定义,要多看多写代码。

附:旋转矩阵的计算方法:

在这里插入图片描述

rot(x, θ) 表示绕X轴旋转 θ表示旋转的角度 其它同理。矩阵右下角的表示放大倍数,矩阵第4行和第4列可以不要

四元数

题目:单位四元数q可以表达旋转。一个三维空间点可以用虚四元数p表示,用四元数 q 旋转点 p 的结果p’为:
p ′ = q p q − 1 p'=qpq^{-1} p′=qpq−1,证明:此时 p′ 必定为虚四元数(实部为零)。
知识点:四元数
参考答案:《视觉SLAM十四讲》P55页留题

设
q = [ s , v a ] , p = [ 0 , v b ] q=[s,v_a] , p=[0,v_b ] q=[s,va​],p=[0,vb​]
根据四元数的逆
q − 1 = q ∗ ∣ ∣ q ∣ ∣ 2 = 1 ∣ ∣ q ∣ ∣ 2 [ s , − v a ] \mathbf q^{-1}= \frac{q*}{||q||^2} = \frac{1}{||q||^2}[s,-v_a] q−1=∣∣q∣∣2q∗​=∣∣q∣∣21​[s,−va​]
根据四元数乘法
q p = [ − v a T v b , s v b + v a × v b ] qp=[-v_a^Tv_b, sv_b+v_a×v_b] qp=[−vaT​vb​,svb​+va​×vb​]
再计算 q p q − 1 qpq^{-1} qpq−1,利用四元数乘法公式,得其实部:
1 ∥ q ∥ 2 ( − v a T v b s + ( s v b + v a × v b ) T v a ) = 1 ∥ q ∥ 2 ( − v a T v b s + s v b T v a + ( v a × v b ) T v a ) = 0 \begin{aligned} & \frac{1}{\|q\|^{2}}\left(-v_{a}^{T} v_{b} s+\left(s v_{b}+v_{a} \times v_{b}\right)^{T} v_{a}\right) \\ =& \frac{1}{\|q\|^{2}}\left(-v_{a}^{T} v_{b} s+s v_{b}^{T} v_{a}+\left(v_{a} \times v_{b}\right)^{T} v_{a}\right) \\ =& 0 \end{aligned} ==​∥q∥21​(−vaT​vb​s+(svb​+va​×vb​)Tva​)∥q∥21​(−vaT​vb​s+svbT​va​+(va​×vb​)Tva​)0​

得证,p’必为虚四元数。

参考:
视觉SLAM十四讲
从零开始一起学习SLAM | 三维空间刚体的旋转

SLAM概念&三维空间刚体运动讲解 一、SLAM是什么?为什么要学习?   目前,GPS定位和标签定位应用比较广泛,但是这两者都有自己的缺点,GPS是一个涵盖很广的卫星信号,面对一些低信号地区,GPS会面对失灵的表现,比如室内、山区等;用二维码标定位置,让机器人扫描二维码,以此判断自己的位姿,这是一种方法,但是需要我们对目标环境很了解,在各个地方标定坐标也很麻烦,让机器人在我们已知的环境中探索,显得没有意义,应用不会很广;所以我们引入了SLAM概念,它就是对未知环境的探索,可用于导航、规划、通讯、可视化、交互等。   视觉里程计的作用是:通过 阅读详情

相关推荐

学习SLAM笔记:三维空间刚体运动代码实现

摘要:本文基于高翔《视觉SLAM十四讲》第二讲内容,详细介绍了三维空间刚体运动的数学表示方法及其代码实现。主要内容包括:1) 旋转矩阵的正交性质推导;2) 旋转向量和欧拉角的表示方法及万向锁问题;3) 四元数的定义和运算规则;4) 使用Eigen库实现旋转矩阵、旋转向量、欧拉角和四元数之间的转换。文章通过公式推导和代码示例,完整展示了三维空间刚体运动的数学理论基础和编程实现方法。

2302_77494635的博客 1205

四元数基础

1 四元数 实数 复数 四元数(超复数) λ0\lambda_0λ0​ λ0+λ1i\lambda_0+\lambda_1iλ0​+λ1​i λ0+λ1i+λ2j+λ3k\lambda_0+\lambda_1i+\lambda_2j+\lambda_3kλ0​+λ1​i+λ2​j+λ3​k 实部 λ0\lambda_0λ0​ λ0\lambda_0λ0​ λ0\lambda_0λ0​ 虚部 0 λ1i\lambda_1iλ1​i λ1i+λ2j+λ3k\lambda_1i+\la

Aags的博客 535

视觉SLAM十四讲:第3讲 三维空间刚体运动

第3讲:三维空间刚体运动 三维空间中刚体运动的描述方式:旋转矩阵、变换矩阵、四元数和欧拉角 3.1 旋转矩阵 3.1.1 点和向量,坐标系 三维空间中,给定线性空间基(e1,e2,e3)(\mathbf{e}_{1}, \mathbf{e}_{2}, \mathbf{e}_{3})(e1​,e2​,e3​),则向量a,b∈R3\mathbf{a}, \mathbf{b} \in \R^{3}a,b∈R3, a=[e1e2e3][a1a2a3]=a1e1+a2e2+a3e3(3-1)\mathbf{a} =

Always On The Way 3048

【机器人学1】刚体运动:旋转和平移变换

先放视频 1. 基础知识 (1) 绕x轴旋转旋转矩阵Rot(φ,x) (2) 绕y轴旋转旋转矩阵Rot(θ,y) (3) 绕z轴旋转旋转矩阵Rot(φ,z) (4) 坐标系间位置描述公式 说明:0和1分别代表坐标系0和坐标系1,R01表示坐标系1相对于坐标系0的旋转矩阵,p1表示p点在坐标系1下的坐标,p0点表示p点在坐标系0下的坐标。 (5) 旋转矩阵求逆 由正交性质,得到旋转矩阵的逆于...

飞舞哲 8719

三维空间刚体运动2:旋转向量与罗德里格斯公式(最详细推导)

本篇继续参照高翔老师《视觉SLAM十四讲从理论到实践》,讲解三维空间刚体运动。博文将原第三讲分为四部分来讲解:1、旋转矩阵和变换矩阵;2、旋转向量与罗德里格斯公式;3、欧拉角表示旋转;4、四元数表示变换。本文相对于原文会适当精简,同时为便于理解,会加入一些注解和补充知识点,本篇为第二部分:旋转向量表示旋转,另外三部分请参照博主的其他博文。

shao918516的博客 1万+

四元数数学基础.pdf

四元数数学基础,讲的很好,只是语言是英语。要求50个字符才让上传,我真的太难了,凑字数中。

SLAM练习题(十三)—— 四元数插值

SLAM 学习笔记 文章目录证明四元数线性插值实践:图像序列和IMU对齐总结 四元数在对姿态的描述具有独特的优势,非常适合用来表示空间中的旋转。这主要是因为几个原因: 四元数解决了其他3维空间旋转算法会遇到的恼人的问题,比如使用欧拉角来表示旋转操作时会遇到的万向节锁问题 计算效率比旋转矩阵方法高,因为表达四元数只需要4个数,旋转矩阵需要9个。 其简单的数学表达方式可以被用来规划出高阶连续姿态运动以及在多姿态间插值 以下题目来自计算机视觉life从零开始一起学习SLAM系列 证明四元数线性插值 .

图像处理、SLAM、PCL、OpenCV爱好者 1147

SV fork join_none & for循环结合使用

fork join_none与循环联用常见问题解决方案

ZhangShuHuai11的博客 882

四元数(Quaternions)

http://www.sineysoft.com/blog/post/Quaternions.html好吧,我必须承认到目前为止我还没有完全理解四元数,我一度把四元数理解为轴、角表示的4维向量,也就在下午我才从和同事的争辩中理解了四元数不完全是角、轴这么简单,为此写点心得给那些同我一样搞了2年3D游戏的还不清楚四元数的朋友。 为什么使用四元数为了回答这个问题,先来看看一般关于旋转(

1801

新手必看:用Simulink搭建飞跨电容三电平逆变器的完整流程(附SPWM配置技巧)

本文详细介绍了使用Simulink搭建飞跨电容三电平逆变器(FCNPC)的完整流程,特别聚焦于SPWM调制策略的配置技巧。通过模块拆解、参数设置和波形优化的三步法,配合实操截图和典型参数表,帮助新手快速掌握多电平逆变器的建模与仿真技能,适用于电力电子学习和项目开发。

weixin_30664051的博客 291

HyperMesh 2025新功能尝鲜:用Volume Tetramesh一键生成工业级四面体网格

HyperMesh 2025推出的Volume Tetramesh功能,通过“体到体”的全新范式,实现了工业级四面体网格的一键生成。该功能利用Proximity与Curvature参数智能识别并加密几何特征,将工程师从繁琐的几何清理和表面网格划分中解放出来,在保证网格质量的同时,显著提升了前处理效率,尤其适用于发动机缸体等复杂模型的仿真分析。

weixin_29229055的博客 480

SLAM十四讲【二】三维空间刚体运动

但是欧拉角有一个万向锁问题,就是在那些旋转在90°时,前后的旋转会使用后同一个轴,导致丢失一个自由度,这被称为奇异性问题。外积的结果是一个向量,它的方向垂直于这两个向量,大小为absin(a,b),是两个向量张成的四边形的有向面积,其方向通常由右手定则确定。再绕旋转之后的Y轴旋转,得到俯仰角pitch,绕旋转之后的X轴旋转,得到滚转角roll。在三维向量的末尾添加1,将其变为四维向量,就是齐次坐标,这里的T就是变换矩阵,那么计算就看起来简洁些了。因为R是正交矩阵,它的逆是一个相反的旋转。

略知12的博客 1207

Multisim实战:5分钟搞定一阶RC电路仿真(附示波器波形分析技巧)

本文通过Multisim软件,详细演示了如何快速搭建一阶RC电路并进行仿真分析。文章提供了从元件选取、电路连接、虚拟示波器设置到波形观测的完整流程,并重点分享了测量时间常数、区分电路响应类型等核心分析技巧,帮助电子工程初学者和爱好者高效掌握电路仿真与分析方法。

weixin_29175469的博客 183

视觉SLAM十四讲|【一】三维空间刚体运动

SO(n)={R∈Rn×n∣RRT=I,det(R)=1} SO(n)=\{ R \in \mathbb{R^{n \times n}} | RR^T=I,det(R)=1 \} SO(n)={R∈Rn×n∣RRT=I,det(R)=1} SO(n)为特殊正交群 设aaa为一点坐标(x,y,z)(x,y,z)(x,y,z)。旋转与平移的结合可以描述为如下形式 a′=RTa+t a'=R^Ta+t a′=RTa+tRT=R−1 R^T = R^{-1} RT=R−1 RRT=I,det(R)=1 RR^T=I

qq_43443531的博客 9032

Win10 Rational Rose 安装教程

在此教程中我们需要四个文件,点此下载[提取码:ig33] 其中第一个为2007的安装包,第二个为破解文件 前言 很多小伙伴反应说会出现几天后就到期的问题,包括我也出现了该问题,如果你已在其他地方安装好了文件且破解成功,且但几天后到期,如果可以使用更改时间的方式打开,那么可以跳过接下来的教程,直接看第三节,我们采用批处理的形式一键完成从修改时间到打开最后改回来的方法解决此问题 一、安装软件 解压缩两个安装包,进入 Rational Rose文件夹 选择setup.exe开始安装 按照图示依次点击

CoderJiang 2万+

《UDS协议从入门到精通》系列——到底什么是DTC?

到底什么是DTC?看这里,深度图解DTC格式,详述DTC状态位、快照信息和扩展信息!!

车载系统攻城狮 1万+

从零开始一起学习SLAM | 三维空间刚体的旋转

刚体,顾名思义,是指本身不会在运动过程中产生形变的物体,如相机的运动就是刚体运动,运动过程中同一个向量的长度和夹角都不会发生变化。刚体变换也称为欧式变换。 视觉SLAM中使用的相机就是典型的刚体,相机一般通过人手持、机载(安装在机器人上)、车载(固定在车辆上)等方式在三维空间内运动,形式包括旋转、平移、缩放、切变等。其中,刚体在三维空间中最重要的运动形式就是旋转。那么刚体的旋转如何量化表达呢? ...

计算机视觉life 1408

从零构建法律案例数据库:Python爬虫实战与法律文本挖掘全攻略

在当今数字化浪潮席卷全球的背景下,法律行业正经历着前所未有的变革。法律案例数据库作为法律大数据的重要组成部分,已经成为法律从业者、研究人员、法学院学生乃至企业法务部门的必备工具。然而,商业法律数据库如北大法宝、威科先行、LexisNexis等往往价格不菲,且数据访问受限。对于个人研究者或小型机构而言,构建一个定制化的法律案例数据库不仅能节省成本,更能根据特定研究需求灵活调整数据结构。

2201_76125261的博客 544

视觉SLAM第3讲:三维空间刚体运动

本文介绍了三维空间中刚体运动的数学描述方法,主要包括旋转矩阵、旋转向量、欧拉角和四元数四种表示方式。首先阐述了点和向量的基本概念及坐标系变换原理,推导了旋转矩阵与变换矩阵的数学表示。然后详细讲解了旋转向量(轴角表示)和欧拉角(RPY角)的定义及特性,分析了欧拉角的万向锁问题。接着重点介绍了四元数的运算规则及其在旋转表示中的优势。最后通过Eigen库的实践演示了相关几何模块的使用方法,包括矩阵运算、坐标变换和轨迹可视化等内容。本文旨在帮助读者理解三维运动的数学描述,掌握不同表示方法之间的转换关系,并能够使用E

weixin_45728280的博客 938

基于YOLOv8和时序模型的异常动作检测系统

异常动作检测是计算机视觉领域的重要应用,广泛应用于智能监控、安防系统、老人看护等场景。本项目结合YOLOv8目标检测和LSTM时序模型,实现对打架、摔倒、奔跑等异常动作的实时检测,并提供了完整的Web界面。多技术融合: 结合YOLOv8目标检测和LSTM时序建模实时检测: 支持实时视频流处理和文件分析用户友好: 提供完整的Web界面可扩展性: 模块化设计便于功能扩展高性能: 包含多种优化策略。

YOLO 766

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

三维空间刚体运动

在上一个Part,我们知道了坐标转换的一些基础只是,其实三维空间的刚体运动与其也有紧密的联系,可以理解为刚体运动为持续的把运动坐标系中的坐标变换到固定坐标系中,此外再加上旋转这一过程。

qq_45488834的博客 1413

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

【SLAM】01_三维空间刚体运动

描述刚体在三维空间中的运动。

池中主义 1445

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

视觉SLAM③:三维空间的刚体运动

主要目标 1.理解三维空间的刚体运动描述方式:旋转矩阵、变换矩阵、四元数和欧拉角。 2.掌握Eigen库的矩阵、几何模块的使用方法。

qq_41694024的博客 2406

视觉SLAM十四讲学习笔记(二)三维空间刚体

以上就是今天要讲的内容,本文仅仅简单介绍了Eigen 来表示矩阵、向量, 随后引申至旋转矩阵与变换矩阵的计算。Eigen①是一个C++ 开源线性代数库。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。许多上层的软件库也使用Eigen进行矩阵运算,包括g2oSophus等。

qq_53589322的博客 1409

三维空间中刚体的旋转

从零开始一起学习SLAM | 三维空间刚体的旋转 刚体:本身不会在运动过程中产生形变的物体,运动过程中同一个向量的长度和夹角都不会发生变化。刚体变换也称欧式变换。 三维空间中刚体的旋转表示 1. 旋转矩阵 1、是重点!!! 2、旋转矩阵不是一般矩阵,它有比较强的约束条件。旋转矩阵R具有正交性,R和R的转置的乘积是单位阵,且行列式值为1。 3、旋转矩阵R的逆矩阵表示了一个和R相反的旋转。 4、旋转矩阵R通常和平移向量t一起组成齐次的变换矩阵T,描述了欧氏坐标变换。引入齐次坐标是为了可以方便的描述连续的欧氏变换

qq_40791099的博客 857

视觉SLAM14精讲——三维空间刚体运动1.0

第一份工作是一家比较大的机器人企业,被迫在AI视觉的基础上自学SLAM。一开始接触的就是vslam14讲,现在想把一些心得和基础知识分享一下。但是目前网络上有关视觉SLAM14讲挺多了,所以本系列不会重复书本中已经有的基本内容,也不一定按顺序发表。想要体现的还是一些更深层的理解和书本意外的一些知识。

Kerkoporta 944
上一篇: SLAM练习题(三)——齐次坐标
下一篇: SLAM练习题(五)——李群李代数
薛定猫
博客等级 码龄8年 1万+粉丝 105原创
评论
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

打赏作者

薛定猫

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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