이 포스트는 MacOS에서 LDSO를 실행하는 방법을 다루고 있습니다. 그러나 DSO 역시 실행 과정이 크게 다르지 않으니 같은 순서로 따라 하셔도 성공적으로 빌드할 수 있을 겁니다. Introduction SLAM, 특히 VSLAM을 공부하면서 다양한 Open source를 빌드하고 실행해 봤습니다. 그러다 1년 전에 DSO를 접하고, 근래에 LDSO를 접하게 되어 Deep dive를 하고 있습니다. Desktop에서는 Ubuntu 20.04 기반 환경에서 작업을 진행 중인데요. Ubuntu 기반의 환경에서는 작업을 하는데 어떠한 에러도 겪지 않았습니다. 그러나 M1 기반의 MacBook에서 LDSO를 빌드하려니 첩첩산중으로 문제가 발생했습니다. 이번 포스트에서는 제가 겪은 에러들에 대한 trouble..
세 줄 요약: SLAM에서 Pose Estimation 문제는 시스템이 선형적인지, 노이즈가 가우시안 분포를 따르는지 여부에 따라 다른 방법으로 풀이한다. Linear System과 Gaussian Noise의 조합인 LG System은 Kalman Filter로 풀 수 있다. Non-linear System과 Non-Gaussian Noise의 조합인 NLNG System은 Extended Kalman Filter나 Nonlinear Optimization (Graph Optimization)으로 풀 수 있다. Introduction 지난 포스트에서 우리는 VSLAM을 비롯한 SLAM의 주요 과제가 Pose(state) Estimation 문제임을 알 수 있었습니다. 그리고 이를 위해 두 개의 방정식을..
Introduction The first chapter of Introduction to Visual SLAM: From Throey to Practice delves into the mathematical formulation of SLAM problems. In SLAM, the robot estimates its trajectory and creates a map of the environment it is in. The robot also needs to estimate the location of its sensors in order to calculate the measurements it receives. How to formulate mathematical model? In the fiel..
Introduction In chapter 1 of Introduction to Visual SLAM: From Theory to Practice, the book introduces a classical Visual SLAM framework and mathematical formulation of SLAM problems. In this post, an overview of the classical Visual SLAM framework will be introduced. You can find more details about each step in upcoming posts. Structure The classical Visual SLAM framework consists of three stag..
Introduction Introduction to Visual SLAM: From Theory to Practice is a comprehensive book that serves as an excellent resource for anyone interested in the field of Visual SLAM. Written by Xiang Gao, Tao Zhang, and other experts in the field, this book covers both the theoretical background and practical aspects of Visual SLAM. The authors of the book have also made the contents of the book avai..
