用于立体相机在线自标定的校准单应法
本文主要是针对 “Dive Deeper into Rectifying Homography for Stereo Camera Online Self-Calibratio” 论文中提及的一种用于立体相机在线自标定的校准单应法进行梳理。该方法适用于单对图像，当有多对图像亦可使用全局优化外参。...
📚文章
基于 ${\bf SE_2}({\bf 3})$ 的精确 IMU 预积分
本文介绍了一种基于 ${\bf SE_2}({\bf 3})$ 自同构指数函数的改进 IMU 预积分公式，可以有效增强快速旋转运动和延长积分时间下的跟踪性能。...
ROS 中 cv_bridge 与 OpenCV 版本不匹配问题
1. 问题 ROS 版本中通用安装方式下的 cv_bridge 所编译采用的 OpenCV 版本是自带默认的。这个时候与我们本地安装的 OpenCV 版本可能存在不符。在这种情况下，有一定的概率在运行代码时候产生莫名其妙的 bug ，不但难以定位问题，而且通常并非是代码问题。通常在编译过程中会出现类似如下 warning ，这个时候就需要特别注意： ...
线特征在 SLAM 中的应用
众所周知，线特征比点特征可以提供更多的约束条件，并且在某些场合下比点特征要鲁棒。但是如果想要把线特征加入到 SLAM 系统中，将面临的是如何参数化和优化求导的问题。本文结合一系列相关文献，对线特征在 SLAM 中的应用做一个概括梳理。...
Camera - Lidar 标定
相机与激光雷达的联合使用被广泛的应用到了机器人、自动驾驶等领域。为了使这两种传感器进行数据融合，进需要对其进行一个联合标定。该文章介绍了两种激光雷达 (2D & 3D) 与相机的标定方式。...
平面透射 - Planar Homology
Planar Homology 如果平面射影变换 $H$ 具有一条由固定点（称为轴）组成的线，以及不在该线上的固定点（称为顶点），则该平面射影变换 H 是平面透射 (planar homology) 1 2，见 Fig. 1 。从代数角度来看，该矩阵具有两个相等和另一个不同的特征值，并且与相等特征值对应的特征空间是二维的。其轴是穿过横跨该特征空间的两个特征向量（即点）的直线。顶点对应于另一个特征向量。 不同特征值与重复特征值的比率是透射的特征不变量 $\mu$（即不计比例因子的区别，其特征值是 $\lbrace \mu, 1, 1\rbrace$ ）。 ...
基于 LBD 描述子和成对几何一致性的高效鲁棒线段匹配方法
文章中提出了一种线匹配算法，该算法利用线的局部外观及其几何属性。为了克服线段碎片和几何变化的问题，在尺度空间中提取线。 为了描述线条的局部外观，作者设计了一种名为线带描述符（Line Band Descriptor, LBD）的新型线条描述符。为了评估线对之间的几何一致性，定义了线对之间的几何属性。然后，构建了候选线匹配的关系图，并采用光谱技术来有效地解决这个匹配问题。所提算法的优点如下： (1) 由于采用了多尺度线条检测策略，该算法对图像变换具有很强的鲁棒性；(2) 由于设计的 LBD 描述符计算速度快，且外观相似性降低了图匹配问题的维度，该算法具有很高的效率；(3) 由于采用了成对几何一致性评估方法，该算法即使对于低纹理图像也具有很高的准确性。...
ELSED: 增强型线段绘制
检测局部特征，例如角点、线段或斑点，是许多计算机视觉应用程序流程中的第一步。 它的速度对于实时应用程序至关重要。在本文中介绍一种快速有效的线段检测器 ELSED 。该线段检测器效率的关键是局部片段增长算法，该算法在存在微小不连续性的情况下连接梯度对齐的像素。 所提出的算法不仅可以在硬件非常低端的设备上运行，而且还可以根据任务的需求进行参数化，以促进短或长线段的检测。...
边缘绘制: 一个兼具实时性的边缘段检测器
文章提出了一种新颖的边缘段检测算法，该算法可以实时运行并产生高质量的边缘段，每个边缘段都是一个线性像素链。与传统的边缘检测器在阈值梯度幅度集群上工作以确定边缘元素不同的是，所提出的方法首先沿着行和列发现被称为锚的稀疏点，然后通过一个智能的、启发式的边缘追踪程序连接这些锚，因此被称为边缘绘制 (Edge Drawing, ED) 。ED 产生的边缘图总是由干净的、完全连续的、定位良好的、一像素宽的边缘组成。边缘质量指标在本质上得到了满足，不需要进一步的边缘连接程序。此外，ED 还能够将结果以向量形式输出为链式边缘段数组。在各种图像上的实验表明，ED 产生了高质量的边缘图，并且比已知的Canny边缘检测器的最快实现（OpenCV 的实现）快了10% 。...
快速稳健的新型在线校正算法
A Fast and Robust Novel Online Rectification Algorithm 双目立体算法通常假设一对校正的图像作为输入，而双目相机设备通常都有出厂标定。然而，双目原本的结构可能随着设备使用的过程中发生了微小的形变，使得深度立体算法的最初假设不成立，由此会严重影响性能。因此，双目在线自校正功能的需求越来越备受关注。文献 1 提出了一种快速稳健的新型在线校正算法，针对已知镜头内参与畸变系数的先前条件下获取双目相机的外参以便精准匹配恢复出深度信息。其基本思路是将这一校正问题建模为对两台相机中每一台相机的矫正旋转 $\omega_0, \omega_1$ 的估计，并保持基线固定。这是更为常见的以估计旋转 $R$ 和平移 $t$ 算法形式的变形方式。在这两种情况下，需要估计的参数都为 5 个，因此位移尺度是未知的。通常情况下往往假设 baseline $\lVert t \rVert$ 的长度是固定不变的。 ...