OpenVSLAM用コンフィグファイル出力機能追加 (#13)

Co-authored-by: Daisuke Sato <daisuke.sato@rt-net.jp>

notebooks/camera_undistort/README.md

@@ -1,9 +1,9 @@
 # camera_undistort
 ![](https://rt-net.github.io/images/jetson-nano-mouse/jnmouse_undistort.png)
 
-Jetson Nano Mouseに搭載されたステレオカメラの歪み補正、視差推定、三次元復元を行うNotebookです。詳細な使い方はそれぞれのNotebookに書かれています。アルゴリズムやコードの実装について順に解説されているので下記の順に閲覧、実行することをおすすめします。※matplotlibおよびnumpyのインストールが必要です（apt installコマンドでのインストール推奨）
+Jetson Nano Mouseに搭載されたステレオカメラの歪み補正、視差推定、三次元復元を行うNotebookです。詳細な使い方はそれぞれのNotebookに書かれています。アルゴリズムやコードの実装について順に解説されているので下記の順に閲覧、実行することをおすすめします。  
 
-[jnmouse_ros_examples](https://github.com/rt-net/jnmouse_ros_examples)では歪み補正した画像をROSのtopicとしてpublishするサンプルがあります。使用する際はundistort_data_collection.ipynb、undistort_fisheye_stereo.ipynbを実行し、出力されたカメラパラメータファイル（`camera_param_fisheye.npz`）が必要です。
+[jnmouse_ros_examples](https://github.com/rt-net/jnmouse_ros_examples)では歪み補正した画像をROSのtopicとしてpublishするサンプルやOpenVSLAMを用いてVisual SLAMを行うサンプルがあります。使用する際はundistort_data_collection.ipynb、undistort_fisheye_stereo.ipynbを実行し、出力されたカメラパラメータファイル（`camera_param_fisheye.npz`, `jnmouse_stereo.yaml`）が必要です。
 
 GitHub上で閲覧する際にうまく描画されない場合は![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)をクリックしてGoogle Colaboratoryで閲覧してください。閲覧用のためGitHubやGoogle ColaboratoryからJetson Nano Mouseのハードウェアにはアクセスできません。
 

notebooks/camera_undistort/camera_param/jnmouse_stereo.yaml

@@ -0,0 +1,80 @@
+Camera:
+  name: jnmouse stereo
+  setup: stereo
+  model: fisheye
+  fx: 416.2610758842983
+  fy: 416.2610758842983
+  cx: 326.40505978078625
+  cy: 301.640459760212
+  k1: 0.0
+  k2: 0.0
+  k3: 0.0
+  k4: 0.0
+  fps: 30.0
+  cols: 640
+  rows: 480
+  focal_x_baseline: 23.23201280449501
+  color_order: RGB
+StereoRectifier:
+  K_left:
+  - 395.6339993415886
+  - 0.0
+  - 321.41584425252694
+  - 0.0
+  - 527.1584777717195
+  - 276.3421303108799
+  - 0.0
+  - 0.0
+  - 1.0
+  D_left:
+  - -0.038462847996788514
+  - 0.04223470516826331
+  - -0.12029016918360039
+  - 0.10937841468362043
+  R_left:
+  - 0.9999837463897118
+  - -0.0007008079266710662
+  - -0.005658252790969807
+  - 0.0005689302406683851
+  - 0.9997289339426906
+  - -0.02327520045440702
+  - 0.005673030475667811
+  - 0.023271602997247322
+  - 0.9997130834490269
+  K_right:
+  - 393.2216118223581
+  - 0.0
+  - 350.7968384205811
+  - 0.0
+  - 524.2098091388987
+  - 269.7692671401212
+  - 0.0
+  - 0.0
+  - 1.0
+  D_right:
+  - -0.04535501344331801
+  - 0.0870062177898424
+  - -0.2168255045139224
+  - 0.18467128683662148
+  R_right:
+  - 0.9996690367439196
+  - -0.0030705104509999165
+  - 0.02554190558776392
+  - 0.0024751799909932823
+  - 0.9997252900085308
+  - 0.0233070375932043
+  - -0.02560645347360958
+  - -0.023236103006510196
+  - 0.9994020177373943
+Feature:
+  max_num_keypoints: 2000
+  scale_factor: 1.2
+  num_levels: 8
+  ini_fast_threshold: 20
+  min_fast_threshold: 7
+Initializer: {}
+Mapping:
+  baseline_dist_thr: 0.02
+SocketPublisher:
+  image_quality: 5
+  publish_points: 'false'