学之知之的博客

三维slam lego-loam 源码解析 ，特征提取，激光里程计，回环检测。

目录1、概述2、scanRegistration.cpp2.1、代码注释2.1.1、主函数2.1.2、removeClosedPointCloud（雷达周边过近点移除）2.1.3laserCloudHandler激光处理回调函数2.2、总结概括3、LaserOdometry.cpp3.1、代码注释3.2、总结概括4、laserMapping.cpp4.1、代码注释4.2、总结概括5、lidarFactor.cpp6、参考连接PS: 在看了lo.

目录1、框架2、特征点提取3、点云去畸变4、帧间匹配特征关联与损失函数计算a 线特征b 面特征5、运动估计6、建图7、姿态融合8、LOAM 优劣势9、参考连接1、框架loam框架核心是两部分，高频率的里程计和低频率的建图。两种算法处理。里程计通过高频率低数量的点云，进行scan-scan匹配，估算出两帧之间的运动关系，输出结果给mapping算法；建图是1hz的频率将去畸变的点云匹配并对齐到地图上，应用的是scan-map的匹配方式。最后将两.

目录1、最小二乘引出2、线性最小二乘 及 求解方法3、非线性最小二乘​编辑3.1、求解思路3.2、常用四种方法3.3、四种方法总结4、参考链接在SLAM的过程中，我们可以构建机器人状态过程。通过对其概率的计算，最终将问题转化为了求最大似然估计的问题。1、最小二乘引出2、线性最小二乘 及 求解方法3、非线性最小二乘3.1、求解思路3.2、常用四种方法...

目录1、介绍2、原理2.1、数据结构2.2、构建KD树2.3、实例3、程序示例4、参考链接1、介绍kd-tree简称k维树，是一种空间划分的数据结构。常被用于高维空间中的搜索，比如范围搜索和最近邻搜索。kd-tree是二进制空间划分树的一种特殊情况 。在激光雷达SLAM中，一般使用的是三维点云。所以，kd-tree的维度是3。由于三维点云的数目一般都比较大，所以，使用kd-tree来进行检索，可以减少很多的时间消耗，可以确保点云的关联点寻找和配准处于实时的状态

1. NDT 的算法处理流程前端激光雷达里程计主要分为：点云下采样滤波、点云匹配、位姿估计、关键帧选取等步骤。具体流程为： 第一帧点云数据设置为地图； 提取关键帧点云，拼接成地图，保证稀疏点云数据； 除了全局地图，还需要在当前帧附近形成滑动窗局部地图，减小计算量； 匹配之前需要滤波，对点云稀疏化；可以使用PCL中的voxel_filter基本原理是把三维空间划分未等尺寸的立方体格子，在一个立方体格子内最多只留一个点，这样就起到稀疏作用。 点云匹配对位姿预测值比较敏

ps: 再学习14讲第二版的时候，运行g2o 报错error: ‘FixedArray {aka class ceres::internal::FixedArray<double, 6>}’ has no member named ‘fill’解决方法：1. 依赖项sudo apt-get install qt5-qmake qt5-default libqglviewer-dev-qt5 libsuitesparse-dev libcxsparse3 libcholmod3

PS: 在编译一些包时需要更高的版本，需要升级 cmake。千万别执行下面的命令，这样会把之前用 cmake 编译好的包都给卸载掉，包括ros。sudo apt-get autoremove cmake比较简单的方法是下载 cmake 压缩包，直接建立软链接覆盖掉系统的 cmake，压缩包网址：https://cmake.org/files/以 3.23.0 版本为例：tar -xzvf cmake-3.23.0-Linux-x86_64.tar.gzsudo mv cmake-3

在使用Eigen的时候，如果STL容器中的元素是Eigen数据库结构，比如下面用vector容器存储Eigen::Matrix4f类型或用map存储Eigen::Vector4f数据类型时： vector<Eigen::Matrix4d>; std::map<int, Eigen::Vector4f> 这么使用编译能通过，当运行时会报段错误。对eigen中的固定大小的类使用STL容器的时候，如果直接使用会出错，所谓固定大小（fixed-size）的类是

PS: 这两天搞工程系统移植，搞得疯掉了，代码复用还不如重写呢。如下一句带有中文的程序，mingw + linux 运行没有任何问题，window下msvc 运行就报错C2001time_str += NumToString(hour) + "时";解决方法：在中文与双引号之间添加一个空格如下time_str += NumToString(hour) + "时 ";...

在timestamp.h 中 调用 av_ts_make_string报错error: expected ‘)’ before ‘PRId64’原因：该宏定义给c用的，C++要用它，就要定义一个__STDC_FORMAT_MACROS宏显示打开它。c++使用PRID64，需要两步：1.、包含头文件：<inttypes.h>2、定义宏：#define __STDC_FORMAT_MACROS，也可以通过编译时加-D__STDC_FORMAT_MACROS，或者在包含文件之前定.

ps:编译环境 qt + mingw32 编译没问题；换到qt + msvc 2017_64 就出现问题；报错信息：Stopped in thread 0 by: Exception at 0x7ffbcfe713ad, code: 0xc0000005: write access violation at: 0xffffffffd587d380, flags=0x0 (first chance).//获取目录下的所有文件名void getFiles(string path, vecto

目录PS：写了markdown 上传，公式都乱码，无果，截图上传吧。1. hector 原理解析1.4 多重分辨率地图2.代码框架2.1 回调函数3. 扫描匹配3.1 多分辨率匹配3.2 matchData_23.5 hession 矩阵H 求解3.6 双线性插值计算得分与梯度4. 地图更新4.1多分辨率地图4.2用激光数据和位姿更新地图4.3 应用分层scan更新地图4.4.

ps：eigen 看到的时候较多，自己写的时候总有一些用法想不起来具体函数名，特此总结一下以备忘。官方doc: eigen 官网最权威目录Eigen 矩阵定义Eigen 基础使用Eigen 特殊矩阵生成Eigen 矩阵分块Eigen 矩阵元素交换Eigen 矩阵转置Eigen 矩阵乘积Eigen 矩阵单个元素操作Eigen 矩阵化简Eigen 矩阵点乘Eigen 矩阵类型转换Eigen 求解线性方程组 Ax = bEigen 矩阵特征值参考链.

报错信息如题所示原因：这个是默认路径下的libstdc++.so.6缺少GLIBCXX_3.4.26，你有可能缺少其它版本的比如3.4.26，解决方法一样，如下所示：（1）使用指令先看下目前都有哪些版本的strings /usr/lib/x86_64-linux-gnu/libstdc++.so.6 | grep GLIBCXX只看到3.4.25（2）使用sudo find / -name "libstdc++.so.6*"来查看当前系统中其它的同类型文件，找到一个版本比较高.

解决方案下载地址：http://ftp.gnu.org/pub/gnu/glibc/下载：wgethttp://ftp.gnu.org/gnu/glibc/glibc-2.29.tar.gz (过程有些慢)解压：tar -zxvf glibc-2.29.tar.gzsudo apt-get install gawk…/configure --prefix=/usr/local/glibcmake -j8sudo make installcd /lib/x86_64-linux.

Intel Realsense D455 D435i D415 T265 3D实感硬件对比_xiaodeng6185的博客-CSDN博客

硬件:ATGM332D + 串口调试工具 + GPS 天线软件： ubunutu 18.04 + ros1. 串口 读取数据sudo apt install cutecomsudo cutecom //设置 波特率9600 可以看到反馈的数据2. nmea_navsat_driver 包的使用sudo apt-get install ros-melodic-nmea-navsat-driver libgps-dev注意：nmea_navsat_driver提供四个..

问题描述：ubuntu18.04安装的ros 默认的opencv版本和cv_bridge 版本为3.2.0 但是在使用其他程序包的时候有时候需要用到其他版本的opencv。再调用cv_bridge的时候会发生调用冲突；

ps: 在使用 opencv 3.4.15的时候发现一个lsd算法使用的问题：解决方法：OpenCV各版本的LSD算法由相同的类定义、类声明，因此直接替换以前版本的lsd.cpp，重新编译安装之后便可以使用了。以前的版本是指3.4.6之前的版本。商用请谨慎使用，具体原因。是3.4.6以后LSD 申请了专利，不再符合开源协议要求；参考链接： LineSegmentDetector（LSD）从OpenCV中消失 - 知乎 license problem in desc...