SLAM
文章平均质量分 92
名蒸蛋柯南.
这个作者很懒,什么都没留下…
展开
-
A General Optimization-based Framework for Local Odometry Estimation with Multiple Sensors论文翻译整理
对于视觉地标,它的因子限制了多个状态,因为它是在多个帧上观察到的。视觉和惯性传感器可以形成三种组合进行 6-DoF 状态估计,分别是立体相机、带有 IMU 的单目相机和带有 IMU 的立体相机。在我们获得有关当前状态的先验信息后,使用贝叶斯规则,我们可以将后验计算为似然和先验的乘积:p(X |z) ∝ p(z|X )p(X)。我们可以将左图像的特征投影到时间空间的左图像,也可以将左图像的特征投影到空间空间的右图像。当一个新的关键帧到来时,我们将与第一帧的状态相关的视觉和惯性因素边缘化。原创 2022-10-07 15:45:00 · 426 阅读 · 1 评论 -
Motion-based Detection and Tracking in 3D LiDAR Scans
提出了一种基于运动线索的多物体关联跟踪的方法,不依赖于任何先验信息和模型。可以检测多种尺度的运动物体,和运动物体的尺寸无关,只要物体是运动的就可以检测出来。但是这样导致无法检测出运动速度较小的物体,例如行人。提出了基于贝叶斯的点服从运动模型的概率,并基于此进行数据关联。使用本文的基于运动线索的方法对运动物体进行检测,估计传感器运动时采用特征点匹配的方式精度是否比RANSAC的精度高一些?原创 2022-10-02 13:08:07 · 282 阅读 · 0 评论 -
L-Shape Fitting-Based Vehicle Pose Estimation and Tracking Using 3D-LiDAR论文翻译整理
基于车辆边角点的L形拟合:基本思想是我们先找到目标车辆最近的边角点,然后使用RANSAC拟合目标车辆的边缘。基于粒子滤波的L形跟踪:观测量是边角点到传感器的距离以及边角点到传感器的方位角,同时将状态向量分成两部分,线性部分和非线性部分。粒子滤波。基于车辆边角点的L形拟合,对视角和视点不敏感,较为稳定。原创 2022-09-30 15:52:42 · 1569 阅读 · 0 评论 -
激光SLAM后端优化——雅克比矩阵推导
MSCKF雅克比矩阵推导原创 2022-09-08 19:20:13 · 366 阅读 · 0 评论