本讲将介绍有关针孔相机模型与图像的知识,然后介绍非线性优化的基础知识。在视觉SLAM中,我们用针孔相机作为观测模型,表达图像与真实世界的联系。你将学习针孔相机的几何成像关系、径向与切向畸变,然后学习非线性优化中最基础的梯度下降原理。在实践部分,你将通过g2o和Ceres来熟悉优化库的使用。
- 第1章 针孔相机模型
- 1-1 针孔相机模型 ( 43:23)
- 第2章 实践:OpenCV 图像拼接
- 2-1 实践:OpenCV 图像拼接 ( 28:36)
- 第3章 批量状态估计问题
- 3-1 批量状态估计问题 ( 16:24)
- 第4章 非线性最小二乘
- 4-1 非线性最小二乘 ( 18:32)
- 第5章 实践:Ceres and g2o
- 5-1 实践:Ceres and g2o ( 31:18)
- 讲师简介
- 慕尼黑工业大学计算机视觉组博士后,清华大学自动控制与工程博士,现就职于百度自动驾驶。长期从事SLAM的研究,主要包括机器人的中的视觉SLAM技术、机器学习与SLAM的结合。主编畅销书《视觉SLAM十四讲:从理论到实践》,在国际知名期刊IEEE Transactions on Mechatronics、Robotics and Autonomous Systems、Autonomous Robots等发表论文数篇。
- 课程须知
- 1. 购买课程后,请添加课程助教微信(18717729337)
2. 申请加入【SLAM课程群】,每周末讲师集中答疑
3. 领取课后习题,提交作业给讲师批改
4. 领取课程源代码及其他相关学习资料,便于课后练习