Where there is life, there is hope

自动驾驶常常提到定位精度问题，很多厂商对外宣称的定位精度基本上差不多。比如某业界领先的M公司，其定位Lateral 6cm 1 sigmaLongitude 15cm 1 sigma0.1 Yaw degree derivation10cm map error...

问题背景 近来从事毫米波雷达的定位与建图工作，想拓展下工作思路，研究autoware公司的激光点云定位与建图。期间正好发现autoware的激光点云配准算法是NDT(Normal-Distributions Transform)，相比ICP算法，它能更快速高效地确定两个大型点云的刚性变换。这里分别介绍下2003年经典的2D NDT算法，以及autoware日本团队在2006年提出的3D ND...

本次课程讲解，假设在给定地图的情况下，如何根据机器人测量进行定位，如何使用机器人定位算法估计每个时刻机器人的位姿。作业是利用粒子滤波求解机器人定位或跟踪问题。一、里程模型Odometry Model1.各种定位传感器概述在汽车全球导航应用里，用于定位的信息源有gps，通信运营商基站，wifi热点。这几类信息的精度各不相同，gps是3.5米，基站是600米，wifi是40米。但是对于无人...

本次博文是cousera的第三次课程，主要涉及slam建图，没有特别复杂的算法，几乎都是概念理解。我们知道地图，是对机器人所在环境的空间建模(spatial model)。那么，机器人是怎么理解地图得？地图该包含哪些信息？使用什么样的坐标系？如何合理的解析传感器数据？SLAM建图的难点在哪里？ 地图的种类Metric Map这类地图的位置用坐标表示Topological M...

本次博文为cousera的第二次作业，涉及卡尔曼滤波，分别讲述了：为什么要有运动估计 卡尔曼滤波器如何对运动状态建模 如何用贝叶斯滤波求解运动方程，其主观物理含义是什么 如果运动方程和观测方程是非线性的怎办一、为什么要有运动估计我们知道slam前端视觉里程计能给出一个短时间内的轨迹，但由于不可避免的误差累积，这个轨迹在长时间内是不准确的。如下图所示：    每个黑点代表视觉...

    近来slam技术在无人汽车领域比较火热，所以现在打算把cousera上的robots_estimation and learning的4周课程刷一遍。做作业做了，但是没有提交(之前买的课到期了)，所以也就没有验证正确性。 一、课程背景介绍我们知道SLAM问题的本质，对运动主体自身和周围环境空间不确定性的估计。本次课程属于slam技术的后端优化模块，我们将会从有噪声的、不完整的、...

这里给大家介绍一下最小二乘优化问题，然后举例里程计校准odometry calibration加深印象。问题描述假设现有系统由nnn个观测函数描述 {fi(x)}i=1..n\lbrace f_{i}(x) \rbrace_{i=1..n}{fi​(x)}i=1..n​，其中xxx是状态向量，ziz_izi​是状态xxx的测量，...