pnp問題：根據影象中特徵點的二維畫素座標及其對應的三維空間座標，來估計相機在參考座標系中位姿的一類演算法
思想：常見的是 根據n個3d-2d匹配點對，利用最小化重投影誤差來求解相機外參的演算法。
作用：在乙個包含異常資料（外點）的資料集中選取出最大一致集（選取最大有效樣本資料集）的演算法，同時，一些情況下，也可以得到想要的模型引數
思想：1.隨機選取一組最小樣本集合作為內點集，根據內點集評估模型，得到初始化模型引數。2.由得到的模型去評估所有的資料，將滿足條件（誤差小於一定閾值）的點作為內點，再用最小二乘法評估得到新模型。3.如果新模型達到要求，則將滿足條件的點集作為最終的最大一致集
作用：利用兩集合的n對對應點，計算空間變換得到r和t配準兩個集合，可以說是解決pnp演算法的一種
思想：
1.目標函式是投影誤差平方和的平均，
2.尋找對應點，可是，我們現在並不知道有哪些對應點，因此，我們在有初值的情況下，假設用初始的旋轉平移矩陣對source cloud進行變換，得到的乙個變換後的點雲。然後將這個變換後的點雲與target cloud進行比較，只要兩個點雲中存在距離小於一定閾值（這就是題主所說的icp中的乙個引數），我們就認為這兩個點就是對應點。
3. r、t優化。有了對應點之後，我們就可以用對應點對旋轉r與平移t進行估計。這裡r和t中只有6個自由度，而我們的對應點數量是龐大的（存在多餘觀測值）。因此，我們可以採用最小二乘等方法求解最優的旋轉平移矩陣。
4. 迭代。我們優化得到了乙個新的r與t，導致了一些點轉換後的位置發生變化，一些最鄰近點對也相應的發生了變化。因此，我們又回到了步驟2)中的尋找最鄰近點方法。2)3)步驟不停迭代進行，直到滿足一些迭代終止條件
作用：均勻對物體模型的表面點進行取樣，取樣點會均勻的覆蓋模型表面
思路：選取乙個點（本文選取目標的中心）新增到集合中進行初始化，然後，選取離當前集合最遠的(文中採取的是目標表面)點加入到集合中，反覆進行直到選滿k個。（點與集合的距離定義為點與集合中所有點的距離的最小值）上
如何理解物體的6D位姿估計任務？
如何 感性 地理解物體的6d姿態估計任務？答 三維世界中，比如我們開車行駛在道路上，我們不僅需要關注前方是否有車輛，而且更在意前方車輛的狀態，或者說姿態，是正在轉彎，還是正在駛向自己，或是遠離自己。其實這就是乙個物體的6d姿態估計任務。物體就是前方車輛，其在當前時刻，並在我方視角下，它的三維空間位置...
3D 3D ICP估計姿態
1.icp 假設有一組配對好的3d點，p p p p 有乙個歐式變換r,t，使得 p rp t 該問題可以用迭代最近點 icp 來求解。注意考慮兩組3d點的變換時，和相機沒有關係。icp求解線性代數的求解 svd 和非線性優化方式求解 類似於ba 定義誤差項 e p rp t 構建最小二乘問題，使誤...
紀念曾經擁有的6D
2013年4月24日購買的佳能6d，它是我第一部全畫幅的數位相機。我為它配了sigma 35 1.4和canon ef70 200 f4 is。對它的畫質和對焦我很是滿意。雖然，一直有很多人在吐槽它的對焦系統。在這3年中用這部機器我拍了好多好多我喜歡的 儘管後來我也擁有了sony a7r,但6d依然...