视觉SLAM十四讲合集

前言 自己不小心把Ununtu系统搞崩了，只好重装Ununtu系统，写一篇博客记录一下高翔视觉SLAM十四讲（第二版）各种库安装的以及报错解决方法。本篇博客写于2022年4月7日，安装顺序按照在书中出现的顺序。下面每个库都会介绍在书中出现的地方，以及库的来源。下面安装的依赖项，如果书上有都是来源于书上，如果书上版本低了，则做出了相应的改动；如果书上没有则来自于其他博客。 系统版本 Ununtu18.04 下载高翔视觉SLAM十四讲第二版的源代码 有些小型的库存放在 slambook2/3rdp..

感谢博主nullwh 的分享，原文链接　视觉SLAM十四讲 《视觉SLAM十四讲 第二版》笔记及课后习题（第一讲） 《视觉SLAM十四讲 第二版》笔记及课后习题（第二讲） 《视觉SLAM十四讲 第二版》笔记及课后习题（第三讲） 《视觉SLAM十四讲 第二版》笔记及课后习题（第四讲） 《视觉SLAM十四讲 第二版》笔记及课后习题（第五讲） 《视觉SLAM十四讲 第二版》笔记及课后习题（第...

SLAM笔记整理基础知识点1. 特征点、描述子、特征匹配相关问题 基础知识点 1. 特征点、描述子、特征匹配 这是整个SLAM系统最开始的部分，先提取特征点和描述子，然后进行特征匹配，通过匹配的特征点才求取的相关变换矩阵，这里容易搞混特征点和描述子的概念。 （1）特征点 Harris角点：就是一个根据特征小窗口在不同方向上的移动，不同的变化形式即为不同特征（角点、边界），转化到数学公式里面最后就是...

目录 目录 1. Eigen线性代数库的安装 2. Sophus李代数库的安装 3. OpenCV计算机视觉库的安装 4. PCL点云库的安装 5. Ceres非线性优化库的安装 6. G2O图优化库的安装 1. Eigen线性代数库的安装 Eigen库是一个Ｃ＋＋线性代数开源库，官方主页http://eigen.tuxfamily.org/dox-devel/modules.h...

第一讲东西少，就没记录【slam十四讲第二版】【课本例题代码向】【第二讲初识SLAM】【SLAM基础知识】【linux下C++编译】【cmake基础使用】【slam十四讲第二版】【课本例题代码向】【第三~四讲刚体运动、李群和李代数】【eigen3.3.4和pangolin安装，Sophus及fim的安装使用】【绘制轨迹】【计算轨迹误差】【slam十四讲第二版】【课本例题代码向】【第五讲~相机与图像】【OpenCV、图像去畸变、双目和RGB-D、遍历图像像素14种】【slam十四讲第二版】【课本例题代码向】【

在学习高博的《视觉SLAM十四讲》的过程中，遇到了各种问题。虽说在网上都能找到对应的解决方案，但没有一篇是详细列尽遇到的问题的文章。于是，打算自己写一篇记录学习过程中遇到的一系列问题。希望能为后续的学习提供一点帮助！（自己也是新手小白，还是有很多不懂的地方。

《视觉SLAM十四讲》 第二版 ch13/第十三章详解

SE(n)是特殊欧氏群(Special Euclidean Group)：这种矩阵的特点是，左上角为旋转矩阵，右侧为平移向量，左下角为0向量，右下角为1。这篇文章看过后，你应该能理解，为什么看上去铁轨在无限延伸处，看起来是相交的，这就是因为三维空间投影至二维视觉成像平面，所以按这种说法，角速度也是一种向量，高中物理课本上有说这一点，但是角速度这种向量很特殊，被当做标量处理。在书籍代码中有涉及，这是考研数学的一部分，来复习下，QR分解的一个目的是为了快速寻找矩阵特征值。伸出你的左右手，始终保持这两只手指的。

摘要：本课程设计针对工业生产中垫片尺寸检测的实际需求，开发了一个基于计算机视觉技术的垫片尺寸自动检测系统。系统采用 Python 语言和 OpenCV 图像处理库，通过图像预处理、Canny 边缘检测、形态学操作和轮廓提取等算法，实现对垫片外径、内径等关键尺寸的非接触式自动测量。

本文介绍 YOLOv8 及其目标检测/实例分割应用的完整知识体系：从网络结构（backbone、neck、anchor-free 分离式 Head 等）到训练流程（数据格式、增强、损失函数、指标、调参策略），再到实例分割细节（mask 表示、后处理、评价指标），最后讲解模型导出（ONNX、TensorRT）与部署优化（精度模式、量化、引擎构建、推理代码）。

摘要：本文介绍了一个基于Matlab的指纹识别系统，该系统实现了指纹图像预处理（包括二值化、细化）、特征提取与匹配等完整流程。系统采用GUI界面设计，提供指纹比对和数据库管理功能，并具备实时预警机制。核心算法包含图像处理工具箱应用、特征点检测及事件驱动编程。实验结果表明，该系统通过图像归一化、特征点提取和欧氏距离计算，能够实现准确的指纹识别。系统代码可运行且支持定制开发，适用于学习和项目应用。

ops-cv是昇腾CANN软件栈中专注于视觉计算场景的图像处理与目标检测算子库。该算子库于2025年9月随CANN 9.0生态版本正式上线，为开发者在昇腾NPU硬件平台上执行图像处理、点云分析和多维插值等任务提供了开箱即用的算子集合。ops-cv与CANN生态中已有的ops-nn通用高阶算子形成互补关系——ops-nn覆盖卷积、矩阵运算等通用神经网络算子，而ops-cv则面向计算机视觉领域提供经过深度优化的专项算子，二者在架构上共享CANN统一执行调度框架，在使用上互为补充。

目标检测是计算机视觉领域的核心任务之一，也是自动驾驶、智能监控、人脸识别等应用的基础。近年来，深度学习技术极大地推动了目标检测的发展，从R-CNN到YOLO系列，检测精度和速度不断提升。同时，开源工具（如PixelLib）让开发者只需几行代码就能完成复杂的视频目标检测任务。本文将理论与实践结合，首先梳理目标检测的主流算法（R-CNN家族、YOLO家族），然后基于清华综述论文《基于深度学习的自动驾驶技术综述》深入剖析行人检测、立体匹配、多传感器融合等关键技术，最后手把手演示。

计算机视觉（CV）是让计算机理解图像和视频的学科，核心任务包括图像分类、目标检测、语义分割、实例分割和关键点检测。技术发展经历了传统手工特征、深度学习（CNN）和Transformer大模型三个阶段，经典架构如ResNet、UNet和ViT推动了性能突破。CV已广泛应用于人脸识别、OCR、工业质检和医疗诊断，但自动驾驶、视频理解等场景仍面临挑战。未来趋势包括多模态大模型、3D视觉、边缘计算和具身智能。学习建议从基础理论到实践项目逐步深入，关注顶会前沿技术。CV正从感知向认知进化，成为AGI的重要基础。

摘要：通用表格识别技术通过深度学习与计算机视觉，实现了复杂表格的高精度数字化解析。该技术采用CNN+Transformer融合架构，支持有线/无线表格检测、结构还原与文字识别同步处理，具备多级表头识别、跨页续接等能力，在金融、政务、医疗等领域广泛应用。相比传统OCR，其突破性在于保留表格行列关系与合并单元格结构，将静态图像转化为可计算数据，解决了低质量文档识别难题，显著提升了企业数据自动化处理效率，成为数字化转型的关键基础设施。

开放词汇：用自然语言描述目标，无需训练精确分割：SAM2 提供像素级掩码零样本泛化：适用于任意领域组合使用：先检测定位，再分割精细掩码。

本数据集含2500张真实水下图像，涵盖11类废弃渔具（如鱼笼、绳索、渔网）与海洋垃圾（轮胎、木材等），支持YOLO等目标检测模型训练。专为应对水下光学退化、目标遮挡、尺度多变等挑战构建，标注精细、结构规范、开箱即用，助力ROV/AUV智能巡检与海洋生态治理。

中草药检测数据集摘要 本数据集包含10000张高质量中草药图像，涵盖45种常见中药材类别（如白茯苓、白芍、白术、蒲公英等），已按照标准机器学习流程划分为8500张训练集和1500张验证集。数据集采用图像分类目录结构，每种药材包含多角度拍摄图像，具有丰富的形态、颜色和纹理特征差异，适合训练深度学习模型进行中草药自动识别。 该数据集可用于构建中药材识别系统、智能中药房管理以及中医药数字化研究，支持CNN、ResNet等图像分类模型的训练与验证。数据集通过百度网盘共享（提取码：v4my），包含完整的图像数据和标注

本文介绍了基于Roboflow的RF-DETR目标检测模型的环境配置、测试和训练过程。主要内容包括：1）从GitHub获取RF-DETR代码；2）创建Python 3.12虚拟环境并安装相应的包；3）运行测试Demo进行图像检测，自动下载预训练模型；4）提供训练脚本示例，支持YOLO格式数据集，包含训练参数设置说明；文章适用于需要快速部署RF-DETR进行目标检测任务的研究人员，包含从环境搭建到实际应用的完整流程。（149字）