01:00
Hello,酷狗。爱你不是因为你的美而已,我越来越爱你,每个眼神触动我的心,因为你让我看见forever,才了解自己。未来这些日子要好好的。生气,爱我有些痛苦,有些不公平,如果真的爱我不是理所当然的决定。感到你的呼吸在我耳边像微风升起,温柔的安抚我的不安定。所以我要每天念着你的笑容,多么自然。
02:45
Forever love forever love,我只想用我这一辈子去爱你,从今以后,你会是所有幸福的理由。
03:22
W。爱情,世上最美最远的旅行,沿途遇近你,偶尔阻碍我们的前进,感到你的甜吻在我怀里像阳光和煦。
04:02
嗯。好,我们正式开始吧,呃大家好,呃我是三鹏辉,呃先今天给大家讲的这个,呃内容是ORB4任三的一个经典弹幕初始化拈原理及实现,那在讲之前先呃说明几点吧,然后第一点就是可能大家看到这个课件内容可能会觉得有点奇怪,就是为什么这一部分呃只有这个提取的特征点,那其实呢,呃初始化模块呢,它不仅是有提取特征点部分,还有这个相机位置估计啊和初始化部分,还有这个地图初始化部分,以及这个ORB3里面新增的这个IU初始化部分,那这次这次直播呢,其实只是这一系列初始化,就初始化系列的这个,呃第一第一堂课吧,然后后续的内容呢,可能会以录播的方式呈现给大家,呃,也是,呃,暂暂定为三期吧。
05:04
然后I部分可能没有那么快更新,然后请大家知悉一下,然后这是第一点,那第二点是关于经典这一块的话,呃其实是不包含一部分的内容的,因为那一部分内容比较多,而且时间也比较长,后续应该会单独的提取出来,然后讲这一部分,呃然后第三点就是呃其实网上的这一部分的这个资料很多了,呃在这里主要讲的这个呃因为确实很多啊,这个资料呃琳琅满目的,然后呃可能大家翻阅了这些资料,看下来觉得就是呃觉得OK了,但是实际跑代码的时候,结果发现这个呃问题也很多,然后也定位不了,开始找问题那由于各种各样的原因,后来就耽误了,呃然后又重新来的时候呢,结果发现呃问题呃也呃也不知道呃怎么复现呃久而久之呢,可能很多人就重。
06:04
出门都放弃了,那呃这一块呢,主要主要是想把这个零碎的这个呃知识点,然后系统化,然后呃结合这个理论基础和实践经验,然后梳理整一个这个初始化的过程,就是让大家可以对这个过程实现的每一个部分都有比较清楚的这个认识,呃,因为呃这里当然不不会说深刻啊,因为就是深入理解的这个呃这个过程呢,需要不断的我们去重复和实践,呃。也希望这个在讲解这个初始化模块的这个过程中,能能让大家呃从就是理论理论问题能比较清楚,而且能在这个实践中呃解决一些问题吧,呃,并且启发到大家。呃好,呃,前面讲的比较多了,然后我们正式开始吧,然后这是一个我们这节课主要带来三个部分的一个呃介绍,然后第一个是这个系统的介绍,系统介绍里面呢,会讲一下这个系统的这个框架图,呃流程图以及这个。
07:15
OBB3做的一些改动,还有效果。稍等一下,PPT可能播放有点问题。稍等一下。OK,呃,就这一部分主要是讲这个系统的框架图和流程图,还有这个YB3的一些改动和效果,还有就是它改动过后会有哪些优势。第二部分主要是提取特征点,这一部分呢,包含六个节点,六个章节吧,然后包括这个图像金字塔,然后四差数算法,高斯模糊啊计算描述值,特征点,畸变校正以及这个分配特征点,这些都是比较基础的,但是呃,我认为这些基础的话,往往决定了就是后续的一些效果的好坏,呃,大家呃,如果是做过实练的话,就是也带大家复习一下吧,如果是没做过实练的话,从从这里开始的话,也也相当于帮大家入个门,呃,去了解整一个呃特征连法的这么一个基础究竟涉及到一些呃,哪些步骤,然后这些步骤对整一个生态系统造成了什么样的影响,然后这是一个,然后最后就是一个总结。
08:40
嗯。对,呃,我们先来讲这个。YB13系统吧,然后从系统的设置上来看呢,我认为这个OIBS3可以看作这个作者组里面近几年工作一个比较大的一个总结,呃也有人说过他是工程化比较好的一个学术的实恋系统啊。呃其实呃也感谢这个呃作者非常慷慨的把它开源了,呃非常的赞。然后它是基于这个之前ORB2以及这个orb slan VI进行扩展的,还有这个or rb less,呃作者的这个工作一脉相承的,然后围绕着这个基于orb特征点法的S做了一些比较有重大意义的一些工作,呃其中重要改进的模块呢,像这个IU初始化以及这个多地图的这个系统呢,其实是做着前几年呃的这个工作,呃这一篇呢,其实就是整个篇系统性质的一个,呃,111个文章了。
09:44
呃,我们讲一下这个OBC练三,它其实是第一个具有这个纯视觉,就是visualio处理,以及这个视觉加惯性的呃数数据处理和这个构建多多地图multiple map功能的,以及这个支持弹幕双目,还有RGBD相机,同时它也支持针孔相机与眼相机模型的自练系统。呃还有一个它增加的一个方法,其实就是MLPMP,就是一个最大后验概率估计的一个仅耦合的这么一个呃方法,那作者其实他也提到了,这篇论文主要是第一个创新点,主要是在这个IU初始化阶段引入了这个map,呃,然而这个初始化方法呢,可以快速的进行,而且在鲁班上线上它有很大的一个提升,而且不仅是大的场景还是小的场景,而且呃,不管是室内还是室外。
10:44
此外,呃,经过这个作者的测评,他都有比较好的表现,然后这一块的话,可大家可以去参考他的一个论文,然后看到它的表现到底如何,呃,并且据作者的声称,它是比当前其他方法具有二到五倍的这个精确度的提升,这是比较大的一个性能提升,然后这是第一个创新点,然后第二个创新点呢,在于它是基于这整一个呃,召回率大大提高了这么一个。
11:19
回环检测吧,然后他的回环检测,其实他提出了一个观念,就是说跟历史数据建立关系,呃这么一个方法,然后实现了一个多子地图的这么一个系统,那呃,它在这个视觉信息缺乏的情况下,呃,更具有这个长时间的这这么一个鲁邦性,当他跟丢的时候,他就会重新建一个子地图,然后并且回环的。
我来说两句