人生得意须尽欢

多传感器融合SLAM数学学习历程。

LOAM系列算法配置及建图测试：LIO-SAM、LeGO、A-LOAM、LIO-mapping。参考AutoWare 或者 Apollo。4.融合GNSS、IMU的点云定位。5.融合Camera的点云定位。2.融合GNSS的点云定位。3.融合IMU的点云定位。1.纯激光雷达点云定位。

一、双目标定0：左右相机分别进行单目标定，就可以分别得到Rl，Tl，Rr，Tr1：求解左右相机的RT因为拍摄了多张图片，利用最小二乘法，也可以是奇异值分解（数学的部分比较复杂，在这里忽略），总而言之，最小化误差，即可得到我们最佳估计的 矩阵，有了这两个矩阵，我们做个旋转、平移就可以了。2：对极约束校正3：Bouguet校正原理:二、长焦短焦...

1：传统方法融合算法2：深度学习融合算法

图像的跟踪SORT算法的理解在跟踪之前，对所有目标已经完成检测，实现了特征建模过程。第一帧进来时，以检测到的目标初始化并创建新的跟踪器，标注id。后面帧进来时，先到卡尔曼滤波器中得到由前面帧box产生的状态预测和协方差预测。求跟踪器所有目标状态预测与本帧检测的box的IOU，通过匈牙利指派算法得到IOU最大的唯一匹配（数据关联部分），再去掉匹配值小于iou_threshold的匹配对。用本帧中匹配到的目标检测box去更新卡尔曼跟踪器，计算卡尔曼增益、状态更新和协方差更新，并将状态更新值输出，作为本

传感器设备的标定