胡洋的博客

大约从 2008 年开始学 C++ 时，我读了侯捷先生的《深入浅出 MFC》。开篇“勿在浮沙筑高台”让我印象很深。后来又陆续读了他的许多作品，在我看来，他的书是 C++ 技术书里写得最好的。再后来读潘爱民老师的《COM 原理与应用》，也让我受益匪浅。那时我就想，应该把学到的东西和自己的理解记下来。

这个念头拖了很多年。我总觉得自己词不达意：即使理解了，也未必能把心得写清楚。可这些年过去，许多事情已经渐渐淡忘，才更觉当初没有记录的可惜。现在有了 AI，整理和表达比过去容易了一些，但要把真正想说的内容说明白，仍然需要自己反复思考和打磨。

从 2025 年 8 月 24 日发布第一篇文章起，我开始在这里记录。内容关注多视图几何、SfM/MVS、SLAM、点云与三维重建工程，也包括算法原理、实现细节和项目中的经验。部分文章会借助 AI 整理和表达，但主题与内容，都是我自己认为重要、值得留下来的东西——至少，对我而言如此。写得不够好也没关系，先开始记录，给大脑留一份外部存储。千里之行，始于足下。

浏览文章

按分类浏览

SLAM / 状态估计 16 篇 IMU、ESKF、ESIKF、VIO、LIO 与因子图。三维重建 6 篇 Poisson、表面重建与可微几何。 NeRF / 3DGS 1 篇神经辐射场、Gaussian Splatting 与新视角合成。局部特征与匹配 3 篇关键点、描述符、匹配与局部视觉特征。多视图几何 7 篇对极几何、RANSAC 与多视图视觉。图像处理 4 篇图像融合、感知质量与图像处理实践。工具与工程 2 篇开发工具、绘图、渲染与工程经验。

LightGlue 的局部特征匹配与自适应推理

发布于: 2026-10-15 | 标签: LightGlue, Feature Matching, Transformer, SLAM, Efficiency | 分类: 局部特征与匹配, 多视图几何

从每层怎样交换关键点信息出发，解释 LightGlue 的旋转位置编码、轻量匹配头和按图像难度调整深度与点数的机制。

StreamRig 如何做多相机 rig 的流式里程计

发布于: 2026-10-15 | 标签: Visual Odometry, Multi-Camera, Streaming, 3D Foundation Model, Causal Attention, Rig Geometry | 分类: SLAM / 状态估计, 多视图几何

一组标定相机如何持续估计自身运动？从广义相机、相邻 rig 位姿链和单目流式模型的局限出发，理解 StreamRig 如何把组内几何与跨时刻历史结合起来。

SuperGlue：注意力与最优传输如何完成局部特征匹配

发布于: 2026-10-15 | 标签: SuperGlue, Feature Matching, Attention, Optimal Transport, SLAM | 分类: 局部特征与匹配, 多视图几何

从重复纹理中的匹配歧义出发，解释 SuperGlue 如何让两组关键点交换上下文，再用带无匹配出口的最优传输形成部分分配。

SuperGlue 的注意力图神经网络怎样传递信息

发布于: 2026-10-15 | 标签: SuperGlue, Graph Neural Network, Attention, Feature Matching, SLAM | 分类: 局部特征与匹配, 多视图几何

以 SuperGlue 的两组关键点为例，理解图神经网络的消息传递、注意力聚合，以及跨图信息如何改变匹配描述符。

重力方向与加速度计内参的长窗口联合估计

发布于: 2026-10-14 | 标签: IMU, Accelerometer, Gravity Alignment, Calibration, Observability, Factor Graph, LiDAR, SLAM | 分类: SLAM / 状态估计

围绕 Nemiroff 等人的在线重力与加速度计内参估计方法，推导位置积分中的速度消元、单位球面上的方向更新、慢变量长窗口因子图，以及重力观测对全局地图的反馈。

InsightAT：Simple Automated SfM

发布于: 2026-10-01 | 标签: SfM, Structure from Motion, Sparse Reconstruction, Feature Matching, Incremental Reconstruction, Bundle Adjustment | 分类: 三维重建, 多视图几何

InsightAT 是我开发的开源自动化 SfM 软件。本文介绍它的开发目标、当前能力与设计取舍，并展开任务化架构、特征匹配、焦距初始化、增量重建和光束法平差的实现思路。

LI-Calib 无靶标 LiDAR-IMU 标定中的连续时间批估计

发布于: 2026-09-26 | 标签: LiDAR, IMU, Calibration, Continuous-time, B-spline, LI-Calib, Factor Graph | 分类: SLAM / 状态估计

围绕 LI-Calib 讲清无靶标 LiDAR-IMU 外参标定：连续时间 B 样条轨迹、旋转外参初始化、曲面片关联，以及 IMU 与点到面残差的联合批优化推导。

B 样条的局部平滑曲线构造与应用

发布于: 2026-09-25 | 标签: B-spline, Box filter, Cox-de Boor, Continuous-time, SLAM, Poisson | 分类: SLAM / 状态估计, 三维重建

从滑动窗口的重叠面积出发，理解 B 样条怎样生成平滑曲线，以及它为什么适合 Poisson 重建和连续时间 SLAM。

图像融合经典算法——Poisson 融合

发布于: 2026-09-21 | 标签: Image Fusion, Poisson Blending, Gradient Domain, Eigen, Conjugate Gradient, Computer Vision | 分类: 图像处理与评价

从梯度与可积性讲起，逐步写出 Poisson 融合的变分目标、离散方程和稀疏系统，并用 Eigen 共轭梯度给出可运行的原理型 demo。

SLAM 中的回环鲁棒性

发布于: 2026-09-21 | 标签: SLAM, Loop Closure, Robust Optimization, PCM, Switchable Constraints | 分类: SLAM / 状态估计

从候选生成、集合一致性、鲁棒优化到历史重评估，解释 SLAM 中错误回环的处理算法及其组合方式。

图像融合经典算法——多频段融合

发布于: 2026-09-17 | 标签: Image Fusion, Laplacian Pyramid, Multi-band Blending, OpenCV, Computer Vision | 分类: 图像处理与评价

先说明单张图像的高斯—拉普拉斯金字塔分解与可逆重建，再解释不同频段处理图像的原因，以及多频段融合缓和拼接接缝的机制。

带 IMU 的视觉、LiDAR 与视觉激光 SLAM 框架演化

发布于: 2026-09-16 | 标签: IMU, SLAM, VIO, LIO, LIVO, Factor Graph, ESIKF, Preintegration | 分类: SLAM / 状态估计

梳理带 IMU 的 VIO、LIO 与 LIVO/LVI 系统谱系：从视觉惯性关键帧优化、LiDAR-Inertial 因子图，到 FAST-LIO2、R2LIVE、R3LIVE、FAST-LIVO2 代表的直接融合框架。

使用IMU预积分的三篇文章：VINS、LIO-SAM 与 LVI-SAM

发布于: 2026-09-15 | 标签: IMU, Preintegration, VINS, LIO-SAM, LVI-SAM, VIO, LIO, Factor Graph, Sliding Window | 分类: SLAM / 状态估计

沿着关键帧之间的一段数据流，理解 IMU 形成关键帧因子的过程，以及视觉、激光在 VINS、LIO-SAM 与 LVI-SAM 中共同进入优化的位置。

IMU 预积分详解：原理、推导与 C++/Eigen 实现

发布于: 2026-09-13 | 标签: IMU, Preintegration, ESKF, VIO, SLAM, Factor Graph, Eigen | 分类: SLAM / 状态估计

从预积分要解决的计算问题出发，详细推导旋转、速度、位置增量、中值积分、bias Jacobian、协方差传播和因子残差，并给出可直接编译运行的 C++/Eigen 示例。

三篇代表性工作中的 ESIKF：FAST-LIO2、R3LIVE 与 FAST-LIVO2

发布于: 2026-09-12 | 标签: ESIKF, FAST-LIO2, R3LIVE, FAST-LIVO2, LIO, LIVO, LiDAR, Visual-Inertial | 分类: SLAM / 状态估计

以 FAST-LIO2、R3LIVE 和 FAST-LIVO2 为例，沿着论文中的状态传播、观测构造、迭代更新和地图反馈，理解 ESIKF 在真实 LIO/LIVO 系统里的具体落点。

ESIKF：误差状态上的迭代卡尔曼更新

发布于: 2026-09-06 | 标签: ESKF, ESIKF, IESKF, Kalman Filter, Nonlinear Least Squares, State Estimation | 分类: SLAM / 状态估计

从 ESKF 的一次观测更新出发，把 Kalman 更新写成带先验的局部最小二乘问题，再说明 ESIKF 如何在误差状态上迭代求解非线性观测。

ESKF 观测更新：从观测模型推导 H 矩阵

发布于: 2026-09-05 | 标签: ESKF, EKF, H Matrix, Observation Model, IMU, LiDAR, State Estimation | 分类: SLAM / 状态估计

沿着 ESKF 的观测更新阶段，从 z=h(x)+v 出发，逐步推导观测残差、H 矩阵和 Kalman 更新，并用位置、速度、姿态、重力、LiDAR 与视觉观测说明 Jacobian 的写法。

ESKF 误差动力学：从 IMU 模型推导 F 和 G

发布于: 2026-09-04 | 标签: ESKF, IMU, Error State, VINS, FAST-LIO2, State Estimation | 分类: SLAM / 状态估计

沿着 ESKF 的 IMU 传播阶段，在固定坐标系和右侧姿态扰动约定下，从陀螺仪、加速度计和 bias 随机游走模型逐项推导误差动力学矩阵 F、G，并把结果接回协方差传播。

ESKF（误差状态卡尔曼滤波）入门：从状态预测到误差注入

发布于: 2026-09-03 | 标签: ESKF, EKF, Kalman Filter, State Estimation, IMU | 分类: SLAM / 状态估计

从状态估计的基本问题出发，理解 ESKF（误差状态卡尔曼滤波）如何维护名义状态和局部误差，并把 IMU 传播、观测更新、误差注入与 reset 串成一个完整闭环。

IMU 零偏可观性：静止、运动与姿态激励

发布于: 2026-09-01 | 标签: IMU, Bias, Gyroscope, Accelerometer, Observability, Gravity Alignment, SLAM | 分类: SLAM / 状态估计

从静止条件、外部旋转参考和姿态激励出发，分析陀螺仪与加速度计零偏何时可观、何时会与姿态和重力耦合，并用手持扫描作为最后的应用例子。

IMU 噪声参数：噪声密度、角度随机游走、速度随机游走与零偏不稳定性

发布于: 2026-08-31 | 标签: IMU, Noise Density, Angle Random Walk, Velocity Random Walk, Bias Instability, Allan Variance, PSD, SLAM | 分类: SLAM / 状态估计

系统解释 IMU 数据手册中的噪声密度、陀螺仪角度随机游走、加速度计速度随机游走，以及陀螺仪和加速度计各自的零偏不稳定性：它们分别描述什么，如何从静止数据和 Allan 方差中识别，以及如何转换为 ESKF 和 IMU 预积分使用的噪声参数。

卡尔曼滤波的推导

发布于: 2025-12-06 | 标签: KF, EKF, Kalman Filter, Extended Kalman Filter | 分类: SLAM / 状态估计

从预测—观测模型出发，逐步推导 Kalman 增益、后验协方差，并说明 EKF 如何通过局部线性化处理非线性系统。

LPIPS:Learned Perceptual Image Patch Similarity

发布于: 2025-10-29 | 标签: SSIM, Structural similarity index measure | 分类: 图像处理与评价

LPIPS是一种**感知图像相似度（perceptual similarity）**的度量方法，由 Richard Zhang 等人在 2018 年提出（论文：“The Unreasonable Effectiveness of Deep Features as a Perceptual Metric”，CVPR 2018）。LPIPS 衡量两张图像在深度特征空间中的“感知距离”，比传统的 L2 或 SSIM 更符合人眼主观感受。

Owesome 3DGS papers

发布于: 2025-10-29 | 标签: 3DGS, Volume Rendering | 分类: NeRF / 3DGS

总结一些3DGS论文

Structural similarity index measure(SSIM)