定位/建图算法
文章平均质量分 74
chaoqinyou
这个作者很懒,什么都没留下…
展开
-
Monocular Localization in HD Maps by Combining Semantic Segmentation and Distance Transform
高精地图+图片语义分割定位,用“光度误差”代替明确的数据关联过程原创 2023-02-06 15:19:24 · 405 阅读 · 0 评论 -
(2021, icra) Visual Semantic Localization based on HD Map for Autonomous Vehicles in Urban Scenarios
视觉+高精地图定位原创 2023-02-03 17:47:10 · 505 阅读 · 0 评论 -
(2022, iv) A Survey on Map-Based Localization Techniques for Autonomous Vehicles
基于地图的定位方案综述原创 2023-02-02 16:08:56 · 200 阅读 · 0 评论 -
Coarse-to-fine Semantic Localization with HD Map for Autonomous Driving in Structural Scenes
由粗到精,基于语义信息和高精地图定位原创 2023-01-17 16:55:25 · 282 阅读 · 0 评论 -
(2020.01) Monocular localization with Vector HD Map (MLVHM): A Low-Cost Method for Commercial IVs
单目加上高精地图定位原创 2023-01-16 17:57:01 · 245 阅读 · 0 评论 -
论文阅读笔记:(2021.09, RA-L) R3LIVE
r3live 论文阅读笔记原创 2022-11-30 12:36:08 · 553 阅读 · 1 评论 -
论文阅读笔记: fast-lio系列
fast-lio, 主要是fast-lio 1原创 2022-11-14 19:43:14 · 1462 阅读 · 1 评论 -
论文阅读笔记:(2021)MetroLoc Metro Vehicle Mapping and Localization with LiDAR-Camera-Inertial Integration
一、创新点,主要贡献1. 一个地铁场景的实时slam 框架2. 以IMU为中心的激光-视觉-惯性的紧耦合(因子图)3. 高效,可靠的Lidar特征提取框架4. 实验充分二、精度短距离:Experiment-1: 特征丰富的站台和岔路口, 450mExperiment-2:隧道, 750m长距离, 地下四站:速度分析:i9, 64GB, 多线程实时:三、实现...原创 2022-05-30 15:07:40 · 230 阅读 · 2 评论 -
论文阅读笔记:(2015, ijrr) Keyframe-based visual–inertial odometry using nonlinear optimization
算是基于滑窗的VIO的必读文章吧,很详细地说了边缘化~paper:http://in.ruc.edu.cn/wp-content/uploads/2021/01/Keyframe-Based-Visual-Inertial-Odometry-Using-Nonlinear-Optimization.pdfhttp://in.ruc.edu.cn/wp-content/uploads/2021/01/Keyframe-Based-Visual-Inertial-Odometry-Using-Nonl.原创 2022-05-22 22:08:21 · 513 阅读 · 0 评论 -
论文阅读笔记: (2018.08, iros) LDSO: Direct Sparse Odometry with Loop Closure
我自己关于DSO相关的论文阅读笔记汇总在这里:论文阅读笔记:vslam之DSO系列_chaoqinyou的博客-CSDN博客想用这篇文章,把DSO系列的文章穿起来读一下!DSO系列文章是稀疏直接法vslam的代表,这个系列的文章大多发表在机器人或者视觉的顶刊或者顶刊上,也有不少开源的实现,非常值得学习!TUM Computer Vision Group的链接镇场:Computer Vision Group - Visual SLAMVisual SLAMVisual SLAMIn Simultaneou原创 2022-05-02 11:43:21 · 714 阅读 · 0 评论 -
非线性最小二乘, BA(Bundle Adjustment)
在看高翔博士的《视觉slam十四讲》,把看到的BA相关的东西记录一下,方便自己之后复习,有理解不对的地方,还请指正!一、非线性最小二乘1.1 总体思路, 一阶法和二阶法最小二乘问题 ,我们称F(x)是代价函数, f(x)是误差函数;直接求再比较各个极值点/鞍点的大小一般是比较难的。因此, 一般采取迭代的方法: 即从某个初值x0开始,每一次寻找一个可以使得F(x)变小的增量delta_x, 当增量delta_x比较小的时候,我们就认为认为达到了极值。一阶法寻找delta_x: 将F(x).原创 2022-04-09 12:17:37 · 4316 阅读 · 0 评论 -
论文阅读笔记:vslam之DSO系列
想用这篇文章,把DSO系列的文章穿起来读一下!DSO系列文章是稀疏直接法vslam的代表,这个系列的文章大多发表在机器人或者视觉的顶刊或者顶刊上,也有不少开源的实现,非常值得学习!TUM Computer Vision Group的链接镇场:Computer Vision Group - Visual SLAMVisual SLAMVisual SLAMIn Simultaneous Localization And Mapping, we track the pose of the sensor.原创 2022-04-09 17:49:15 · 2182 阅读 · 2 评论 -
论文阅读笔记:(2017.08) VINS-Mono: A Robust and Versatile Monocular Visual-Inertial State Estimator
单目visual-inertial系统存在的一些挑战:1. 不能从静止(或者是纯旋转)的条件下初始化尺度;2. 优化问题高度非凸, 对初值敏感;3. 相机和imu的标定非常重要;本文的主要贡献:1. 提出一种鲁棒的系统初始化方法;2. 紧耦合的单目VIO, 可以估计相机和imu的外餐和IMU的Bias3. 在线回环检测和紧耦合重定位4. 4自由度全局位姿图优化5. 实时性能, 代码开源...原创 2021-11-15 17:58:00 · 1864 阅读 · 0 评论