深蓝多传感器融合
文章平均质量分 68
深蓝学院多传感器融合课程作业
111111111112454545
这个作者很懒,什么都没留下…
展开
-
惯性器件加速度计不基于转台的内参标定/多传感器融合第五章作业
加速度计内参模型1、零偏概念:加速度计输出中的常值偏移,及bias2、刻度系数误差概念:器件的输出往往为脉冲值或模数转换得到的值,需要乘以一个刻度系数才能转换成角速度或加速度值,若该系数不准,便存在刻度系数误差3、安装误差概念:如右图所示,b坐标系是正交的imu坐标系,g坐标系的三个轴是分别对应三个陀螺仪。由于加工工艺原因,陀螺仪的三个轴并不正交,而且和b坐标系的轴不重合,二者之间的偏差即为安装误差。4、不需要转台的标定内参模型上下三角模型转换:构造函数中进行原创 2022-01-22 19:52:24 · 1250 阅读 · 0 评论 -
A-LOAM线/面特征雅可比解析求导
雅可比矩阵推导线特征:核心思想:点到直线距离最小。通过平行四边形面积除以对角线长度面特征核心思想:使得点到面距离最短线/面特征雅可比矩阵解析求导实现需要修改的代码为include/lidar_localization/models/loam/aloam_factor.hpp源代码利用直接求导的方式定义面特征与线特征自动求导结构体struct LidarEdgeFactorstruct LidarPlaneFactor...原创 2022-01-04 15:42:25 · 1881 阅读 · 0 评论 -
手写ICP-SVD
ICP简介Iterative Closest Point迭代最近点算法;分别在待匹配的目标点云P和源点云Q中,按照一定的约束条件,找到最邻近点(pi,qi),然后计算出最优匹配参数R和t,使得误差函数最小。误差函数为E(R,t)为其中R和t分别为两帧点云的旋转与平移矩阵;通过不断的迭代求解出两帧点云相对平移与旋转流程如下:ICP求解过程1、构造误差函数2、化简将误差函数拆解成两部分,一部分是只与旋转有关,另一部分与旋转和平移有关,所以可以先求旋转再求平移.原创 2022-02-10 14:30:00 · 572 阅读 · 0 评论 -
基于滤波的融合2(在IMU与雷达的基础上融合运动约束)/深蓝学院多传感器融合第八章作业
1、融合流程1.1、状态方程(求F和B)状态方程一般形式如下(是一个微分方程)x服从一个高斯分布状态量由预测给出(本例中是由IMU预测)其中状态量的误差状态量误差的微分形式为所以他们的转换矩阵F为IMU自身误差加速度误差,角速度误差,bias误差除加速度误差与状态量相差一个旋转矩阵外i,其他均无关,所以B为1.2、观测方程(求G和C)观测方程一般形式y为观测,包括位置和失准角观测量与状态量的一三项...原创 2022-02-23 10:49:08 · 998 阅读 · 0 评论 -
基于卡尔曼滤波器的融合IMU与雷达/深蓝多传感器融合第七章作业
1、更新里程计信息void ErrorStateKalmanFilter::UpdateOdomEstimation( Eigen::Vector3d &linear_acc_mid, Eigen::Vector3d &angular_vel_mid) { // // TODO: this is one possible solution to previous chapter, IMU Na原创 2022-02-13 20:31:11 · 3190 阅读 · 3 评论