李群是一个古老的数学抽象对象，可以追溯到十九世纪，当时数学家索菲斯-李为连续变换群的理论奠定了基础。许多年后，它的影响已经遍及科学和技术的各个领域。在机器人领域，我们最近正经历着一个重要的使用趋势，至少在状态估计领域，特别是在导航运动估计方面。然而，对于绝大多数的机器人学家来说，李群是高度抽象的结构，因此很难理解和使用。但是，在机器人学的估计中，往往没有必要掌握完全充分地利用理论的能力，因此只需要从中选取所需的知识片段。在本文中，将介绍李理论的最基本原理，旨在传达清晰和有用的想法，并留下重要的微观李理论。即使微观李理论是不完整的，然而已经被证明在机器人的现代估计算法中非常有用，特别是在 SLAM、视觉里程计等领域。并且作者还提供了一些应用实例，以及机器人学中使用的主要李氏群的大量公式参考，包括大多数雅各布矩阵和容易操作它们的方法。此外，还介绍了一个新的只用 C++ 模板的库，实现了文章描述的所有功能。...
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。...
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。...
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。...
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。...
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。 ...
本文主要是针对 “High-Precision Online Markerless Stereo Extrinsic Calibration” 论文中提及的一种实时无标记的方法来获得高精度的双目外参进行梳理，该方法使用了一种新颖的 5 自由度和流形非线性优化，使得视觉双目标定具备可观测性...
GNSS-视觉-惯性紧耦合的状态估计器主要是将 GNSS (Global Navigation Satellite System) 原始测量，结合视觉和惯性信息紧耦合以进行实时和无漂移的状态估计...
IMU Preintegration factor In VINS 对于一个基于非线性图优化且利用滑动窗口固定计算量的紧耦合视觉惯导里程计，在求解 Bundle Adjustment 里有一项 IMU 预积分测量残差项（点击这里）。VINS-Mono1 中 IMU 预积分的算法可以参照该文章2。在 VINS 系统里 IMU 约束因子如下： ...
本文主要参照 C Forster 于 15 年拓展到李理论上的 IMU 预积分技术文章进行推导演绎...
