SLAM
文章平均质量分 70
ideallic
这个作者很懒,什么都没留下…
展开
-
一起做RGB-D SLAM (4)
一起做RGB-D SLAM (4)第四讲 点云拼接 广告:“一起做”系列的代码网址:https://github.com/gaoxiang12/rgbd-slam-tutorial-gx 当博客更新时代码也会随着更新。 SLAM技术交流群:374238181 读者朋友们大家好!尽管还没到一周,我们的教程又继续更新了,因为暑假实在太闲了嘛!上讲回顾 上一转载 2016-09-09 08:45:07 · 434 阅读 · 0 评论 -
linux下源码安装cmake
1、 下载地址:http://www.cmake.org/cmake/resources/software.html2、 安装说明:以下是原密码包的安装方法2.1下载源码包;2.2将源码包放到任意目录;2.3解压 tar xzvf cmake.tgz;2.4进入到解压目录 依次执行 ./bootstrap2.5 make2.6 make install2.7原创 2016-09-06 13:30:01 · 402 阅读 · 0 评论 -
一起做RGB-D SLAM (1)
前言 SLAM,即Simultaneous Localization and Mapping,中文译作同时定位与地图创建,是近几十年里机器人领域有重大发展的研究方向。作为自主机器人的核心技术,SLAM在机器人导航、控制、生产等方面都有着重要的研究意义。尤其在二十一世纪,以视觉传感器为中心的视觉SLAM技术,在理论和方法上都经历了明显的转变与突破,正逐步从实验室研究迈向成熟的市场应用。在国转载 2016-09-06 15:02:27 · 394 阅读 · 0 评论 -
一起做RGB-D SLAM (2)
第二讲 从图像到点云 本讲中,我们将带领读者,编写一个将图像转换为点云的程序。该程序是后期处理地图的基础。最简单的点云地图即是把不同位置的点云进行拼接得到的。 当我们使用RGB-D相机时,会从相机里读到两种数据:彩色图像和深度图像。如果你有Kinect和ros,可以运行:1 roslaunch openni_launch openni.launch 使Kinect转载 2016-09-07 10:36:57 · 688 阅读 · 0 评论 -
深入理解图优化与g2o:图优化篇
前言 本节我们将深入介绍视觉slam中的主流优化方法——图优化(graph-based optimization)。下一节中,介绍一下非常流行的图优化库:g2o。 关于g2o,我13年写过一个文档,然而随着自己理解的加深,越发感觉不满意。本着对读者更负责任的精神,本文给大家重新讲一遍图优化和g2o。除了这篇文档,读者还可以找到一篇关于图优化的博客: http://blog.csdn.n转载 2016-09-23 14:16:35 · 1527 阅读 · 0 评论 -
一起做RGB-D SLAM (3)
第三讲 特征提取与配准 上讲回顾 在上一讲中,我们介绍了如何把2D图像坐标转换为3D空间坐标。然后,利用推导的数学公式,实现了把图像转化为点云的程序。在上一讲的末尾,我们给出了一道作业题,希望读者去把这两件事做成一个函数库,以供将来调用。不知道大家回去之后做了没有呢? 小萝卜:读者这么勤奋肯定已经做好了啦! 师兄:嗯,所以呢,这一讲里面我们就要用到上面两个函数了。在讲转载 2016-09-08 09:05:26 · 783 阅读 · 0 评论 -
一起做RGB-D SLAM (6)
第六讲 图优化工具g2o的入门 在上一讲中,我们介绍了如何使用两两匹配,搭建一个视觉里程计。那么,这个里程计有什么不足呢? 一旦出现了错误匹配,整个程序就会跑飞。误差会累积。常见的现象是:相机转过去的过程能够做对,但转回来之后则出现明显的偏差。效率方面不尽如人意。在线的点云显示比较费时。 累积误差是里程计中不可避免的,后续的相机姿态依赖着前面的姿态。想要保证地图的准确,必须要保转载 2016-09-24 09:35:39 · 345 阅读 · 0 评论 -
一起做RGB-D SLAM(7) (完结篇)
第七讲 添加回环检测简单回环检测的流程 上一讲中,我们介绍了图优化软件g2o的使用。本讲,我们将实现一个简单的回环检测程序,利用g2o提升slam轨迹与地图的质量。本讲结束后,读者朋友们将得到一个完整的slam程序,可以跑通我们在百度云上给出的数据了。所以呢,本讲也将成为我们“一起做”系列的终点啦。 小萝卜:这么快就要结束了吗师兄? 师兄:嗯,因为我想要说的都教给大家了嘛。不转载 2016-09-24 10:38:38 · 566 阅读 · 0 评论 -
视觉SLAM中的数学基础 第一篇 3D空间的位置表示
前言 转眼间一个学期又将过去,距离我上次写《一起做RGBD SLAM》已经半年之久。《一起做》系列反响很不错,主要由于它为读者提供了一个可以一步步编码、运行的SLAM程序,为读者理解SLAM实现的细节作了详细的介绍。但是我也有很多对它不满意的地方。作为面向实现的介绍,它的代码不够稳定可靠,例如,甚至没有对匹配丢失的情况进行处理,因而只能用于教学。另一方面,对SLAM研究者来说,我只是介绍了编转载 2016-09-24 14:53:35 · 1221 阅读 · 0 评论 -
一起做RGB-D SLAM (1)
前言 SLAM,即Simultaneous Localization and Mapping,中文译作同时定位与地图创建,是近几十年里机器人领域有重大发展的研究方向。作为自主机器人的核心技术,SLAM在机器人导航、控制、生产等方面都有着重要的研究意义。尤其在二十一世纪,以视觉传感器为中心的视觉SLAM技术,在理论和方法上都经历了明显的转变与突破,正逐步从实验室研究迈向成熟的市场应用。在国转载 2016-09-06 10:01:39 · 413 阅读 · 0 评论 -
SLAM应用的一些思考
关心SLAM技术的人有两种。一是像我这样的研究者,为了了解其中各种方法和模块的原理。二是机器人技术的开发者,旨在将SLAM技术用到他们自己的机器人上。从数量上来说,第二类人数远多于第一类,他们的需求也日益迫切。SLAM是许多机器人技术的基础。没有预计的位姿和地图,大部分任务都无法完成。这种需求,也是我们研究者应当认真思考、正面对待的,也是SLAM从实验室走向市场应用的第一步。 那么,阻碍这种转载 2016-09-18 14:34:08 · 553 阅读 · 0 评论 -
OpenCV 旋转向量与旋转矩阵转化(罗德里格斯 )
一 知识点处理三维旋转问题时,通常采用旋转矩阵的方式来描述。一个向量乘以旋转矩阵等价于向量以某种方式进行旋转。除了采用旋转矩阵描述外,还可以用旋转向量来描述旋转,旋转向量的长度(模)表示绕轴逆时针旋转的角度(弧度)。旋转向量与旋转矩阵可以通过罗德里格斯(Rodrigues)变换进行转换。算法过程如下:式中,norm为求向量的模。反变换也可以很容易的通过如下公式实现:转载 2016-09-09 10:51:46 · 3189 阅读 · 0 评论 -
一起做RGB-D SLAM (5)
第五讲 Visual Odometry (视觉里程计) 读者朋友们大家好,又到了我们开讲rgbd slam的时间了。由于前几天博主在忙开会拍婚纱照等一系列乱七八糟的事情,这一讲稍微做的慢了些,先向读者们道个歉! 上几讲中,我们详细讲了两张图像间的匹配与运动估计。然而一个实际的机器人总不可能只有两个图像数据吧?那该多么寂寞呀。所以,本讲开始,我们要处理一个视频流,包含八百左右的数据啦。这转载 2016-09-12 09:23:03 · 488 阅读 · 0 评论 -
视觉SLAM漫谈
1. 前言 开始做SLAM(机器人同时定位与建图)研究已经近一年了。从一年级开始对这个方向产生兴趣,到现在为止,也算是对这个领域有了大致的了解。然而越了解,越觉得这个方向难度很大。总体来讲有以下几个原因:入门资料很少。虽然国内也有不少人在做,但这方面现在没有太好的入门教程。《SLAM for dummies》可以算是一篇。中文资料几乎没有。SLAM研究已进行了三十多年,从上世纪转载 2016-09-01 14:17:20 · 376 阅读 · 0 评论 -
视觉SLAM漫谈(二):图优化理论与g2o的使用
1 前言以及回顾 各位朋友,自从上一篇《视觉SLAM漫谈》写成以来已经有一段时间了。我收到几位热心读者的邮件。有的希望我介绍一下当前视觉SLAM程序的实用程度,更多的人希望了解一下前文提到的g2o优化库。因此我另写一篇小文章来专门介绍这个新玩意。 在开始本篇文章正文以前,我们先来回顾一下图优化SLAM问题的提法。至于SLAM更基础的内容,例如SLAM是什么东西等等,请转载 2016-09-01 15:26:05 · 687 阅读 · 0 评论 -
视觉SLAM漫谈 (三): 研究点介绍
1. 前言 读者朋友们大家好!(很久很久)之前,我们为大家介绍了SLAM的基本概念和方法。相信大家对SLAM,应该有了基本的认识。在忙完一堆写论文、博士开题的事情之后,我准备回来继续填坑:为大家介绍SLAM研究的方方面面。如果前两篇文章算是"初识",接下来几篇就是"渐入佳境"了。在第三篇中,我们要谈谈SLAM中的各个研究点,为研究生们(应该是博客的多数读者吧)作一个提纲挈领的摘要。然后,我转载 2016-09-01 16:20:12 · 675 阅读 · 0 评论 -
SLAM拾萃(1):octomap
转自:http://www.cnblogs.com/gaoxiang12/p/5041142.html前言 大家好,时隔多年之后,我又开始了博客旅程。经历了很多事情之后呢,我发现自己的想法真的很简单:好好读书做课题,闲下来时写写博客,服务大家。所以我会继续写SLAM相关的博客。如果你觉得它对你有帮助,那是最好不过的啦!写作过程中得到了许多热心读者的帮助与鼓励,有些读者还成了转载 2016-09-14 11:23:48 · 1328 阅读 · 0 评论 -
SLAM应用的一些思考
关心SLAM技术的人有两种。一是像我这样的研究者,为了了解其中各种方法和模块的原理。二是机器人技术的开发者,旨在将SLAM技术用到他们自己的机器人上。从数量上来说,第二类人数远多于第一类,他们的需求也日益迫切。SLAM是许多机器人技术的基础。没有预计的位姿和地图,大部分任务都无法完成。这种需求,也是我们研究者应当认真思考、正面对待的,也是SLAM从实验室走向市场应用的第一步。 那么,阻碍这种转载 2016-09-18 10:24:44 · 313 阅读 · 0 评论 -
个人资源索引
本贴整理了我先前做过的一些报告,以便读者查询:SLAM基础知识(q群直播):ppt&录像: http://pan.baidu.com/s/1boD9yVHSLAM基础知识(加长版),2016ROS暑期学校@华东师大,ppt和录音:http://www.robotics.sei.ecnu.edu.cn/ros2016/prog.html直接法的理论与实现(斗鱼直播),ppt:http://p转载 2016-09-18 11:23:51 · 409 阅读 · 0 评论 -
视觉SLAM中的数学基础 第二篇 四元数
什么是四元数 相比欧拉角,四元数(Quaternion)则是一种紧凑、易于迭代、又不会出现奇异值的表示方法。它在程序中广为使用,例如ROS和几个著名的SLAM公开数据集、g2o等程序都使用四元数记录机器人的姿态。因此,理解四元数的含义与用法,对学习SLAM来说是必须的。本节我们就来讲讲四元数。 首先,请读者不要对四元数有什么神秘的感觉。四元数仅是3D姿态的一种表达方式,我们用一个单位四转载 2016-09-24 15:33:07 · 1129 阅读 · 0 评论