在之前的文章中我们已经大致了解了 视觉里程计(Visual Odometry,VO)的基本框架和解决算法流程的知识,主要介绍了特征点的相关理论知识,下面将记录一下如何实际动手操作去实现特征提取和匹配,主要通过两个实验去介绍:1、演示使用 OpenCV 进行 ORB 的特征匹配;2、如何根据之前介绍的原理,手写一个简单的 ORB 特征。希望能够通过这次手写,能够更加理解 ORB 的计算过程,并类推到其他特征中去。
从之前的介绍中,我们了解到经典 SLAM 系统的组成包括:传感器、前端、后端、回环检测、建图,其中前端也被称为视觉里程计(Visual Odometry,VO)。所以传感器接收到的信息传给前端,前端是对这个数据信息做处理的。里程计的意义是为了估计和计算某一种运动过程,那么视觉里程计的作用就很清晰了:在运动(包括静止)的过程中通过视觉传感器(相机)传过来的图像,对这个相机的运动轨迹、状态进行估计。那么怎么能够完成这个估计,怎么能更贴实际情况呢?下面内容将介绍一些常用的算法和思路。
more >>在这里开一个单元用来讨论和记录 Visual SLAM 相关的知识点。
SLAM(Simultaneous Localization And Mapping)同时定位与地图构建,根据名称我们就能清晰的看出,SLAM主要是用来解决定位(我在什么地方?)和建图(我周围环境是什么样的?)这两个问题的。下面我们来详细讨论一下。
在客户端与服务端之间进行通信时,有很多种客户端向服务端进行请求的方法,例如:GET、POST、PUT、HEAD、DELETE、PATCH、OPTIONS。其中最常用的是POST、GET方法。下面我们去了解并比较一下这两种请求方法。 ’
more >>想必很多人都有使用到数据的CRUD操作,为了维持各数据表之间的关系,总需要在插入数据后得到该条数据插入后的id,接下来这里将总结使用Mybatis-Plus如何快速的实现该功能。
more >>Kafaka是一种基于发布与订阅的消息系统,他一般被称为分布式提交日志或者分布式流平台。文件系统或者数据库提交日志用来提供所有食物的持久化记录,通过重建这些日志可以创建系统的状态,同样的,Kafka的数据是按照一定顺序持久化保存的,可以按需读取。
more >>SpringCloud是关注全局的微服务协调整理治理框架,它将SpringBoot开发的一个个单体微服务,整合并管理起来,为各个微服务之间提供:配置管理、服务发现、断路器、路由、为代理、事件总栈、全局锁、决策竞选、分布式会话等等集成服务;
more >>tag:
缺失模块。
1、请确保node版本大于6.2
2、在博客根目录(注意不是yilia根目录)执行以下命令:
npm i hexo-generator-json-content --save
3、在根目录_config.yml里添加配置:
jsonContent: meta: false pages: false posts: title: true date: true path: true text: false raw: false content: false slug: false updated: false comments: false link: false permalink: false excerpt: false categories: false tags: true