![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
slam学习
文章平均质量分 88
ppipp1109
积累,进步
展开
-
slam 基础知识整理之- 最小二乘问题的引出与求解方法
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...原创 2022-05-24 18:34:00 · 679 阅读 · 0 评论 -
Hector slam算法原理解析与代码详解
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.原创 2022-04-19 21:46:42 · 7264 阅读 · 2 评论 -
gmapping 算法流程整理
slam_gmapping 是gmapping的 基于ros的壳,我们先从壳入手参考论文:Improved Techniques for Grid Mapping with Rao-Blackwellized Particle Filters参考博客:http://blog.csdn.net/heyijia0327/article/details/40899819 pf原理讲解https://www.cnblogs.com/yhlx125/p/5634128.html [SLAM] GMap原创 2021-09-18 11:33:28 · 6844 阅读 · 5 评论 -
激光slam理论与实践 - 第四章 前端配准(ICP)
概述:点云匹配算法是为了匹配两帧点云数据,从而得到传感器打的前后位置差。匹配算法从最初的ICP方法已经发展出了多种改进的算法,他们分别从配准点的需要,误差方程等方面进行了优化下面分别介绍:4.1 PP-ICP也叫点对点ICP,基本思想是:如上图所示,求解旋转矩阵R 和平移矩阵t 使得误差最小。对于已知两组点云的对应点,一次迭代即可求出 R t。证明:求出R 和t在实际工程中一般不知道两个点云是 如何配对的,只能通过迭代求解的方法缩小误差,理论上...原创 2021-08-20 00:27:33 · 2083 阅读 · 1 评论 -
深蓝学院激光slam 理论与实践 第三章激光雷达去畸变 作业习题
1. 补充去除激光雷达运动畸变模块的代码;第一题代码说明:本题目为实现一个里程计去除激光雷达运动畸变的代码模块,作业里面有两个工程:champion_nav_msgs 和 LaserUndistortion。大家需要首先编译安装 champion_nav_msgs,按照champion_nav_msgs 的 readme 文件执行即可,或运行命令 sudo bash install.sh,注意如果你的ubuntu 版本不是 kinetic,要将所有 kinetic 的地方修改成你的 ros 版本原创 2021-08-07 23:59:44 · 2204 阅读 · 9 评论 -
深蓝学院激光slam理论与实践 -第二章(里程计标定)作业
1. 作业描述: 本次的作业为用直接线性方法来对机器人的里程计进行校正。 本次作业使用的bag数据,路径为odom_ws/bag/odom.bag(太大了,没上传到github)。 本次的作业中,需要实现三个函数,分别为: main.cpp,第340行中的cal_delta_distance()函数,该函数的功能为给定两个里程计位姿,计算这两个位姿之间的位姿差。 Odom_Calib.cpp,第23行Add_Data()函数,该函数的功能为构建超定方程组Ax=..原创 2021-07-31 22:32:29 · 2149 阅读 · 38 评论 -
Eigen 学习总结
Eigen采用源码的方式提供给用户使用,在使用时只需要包含Eigen的头文件即可进行使用。之所以采用这种方式,是因为Eigen采用模板方式实现,由于模板函数不支持分离编译,所以只能提供源码而不是动态库的方式供用户使用。 矩阵的定义:Eigen中关于矩阵类的模板函数中,共有六个模板参数,常用的只有前三个。其前三个参数分别表示矩阵元素的类型、行数和列数。 矩阵定义时可以使用Dynamic来表示矩阵的行列数为未知。 Eigen中无论是矩阵还是数组、向量,无论是静...原创 2021-07-31 22:01:02 · 893 阅读 · 0 评论 -
视觉slam14讲 Ubuntu18.04下 Sophus李代数库使用 以及报错处理
视觉slam14讲书里说的是用模板类的sophus库,而代码中实际是使用的 非模板类1. 安装git clonehttps://github.com/strasdat/Sophus.gitcd Sophus/git checkout a621ffmkdir buildcd buildcmake ..make小注:sudo make install 可以安装也可以不安装,安装了,会将sophus安装到/usr/local/include 。2. 编译问题1:/Sophu..原创 2021-07-29 10:41:08 · 2518 阅读 · 1 评论 -
slam 学习之 AMCL 概念与原理分析
AMCL(adaptive Monte Carlo Localization)自适应蒙特卡洛定位,A也可以理解为augmented,是机器人在二维移动过程中概率定位系统,采用粒子滤波器来跟踪已经知道的地图中机器人位姿,对于大范围的局部定位问题工作良好。对机器人的定位是非常重要的,因为若无法正确定位机器人当前位置,那么基于错误的起始点来进行后面规划的到达目的地的路径必定也是错误的。一. 总结几个概念:1. 需要清楚的几个重要数学名词:状态转移概率:状态转移分布描述状态如何随时间变化的特征,..原创 2020-09-14 00:17:47 · 14470 阅读 · 3 评论 -
slam 基础之机器人学中的坐标转换学习总结
原文:机器人的位姿描述与坐标变换一、刚体位姿1. 刚体位姿:将描述刚体的3个位置自由度和3个方位即姿态自由度简称为刚体位姿。2. 刚体位姿描述方法:(1)建立坐标系(2)位置描述刚体的位置可以用一个3x1的矩阵来表示,即刚体坐标系原点Ob在基坐标系o-xyz中的位置。刚体的位置描述为:(3)姿态描述用刚体坐标系的三个方向单位矢量n ,o, a,的方向余弦矩阵表示。方向余弦矩阵书写为:此方向余弦矩阵又称之为旋转矩阵。(4)R正交性由于旋转矩阵R的..原创 2020-09-13 22:10:14 · 12369 阅读 · 0 评论 -
slam 基础 之概率基础
边缘概率(又称先验概率):某个事件发生的概率。边缘概率是这样得到的:在联合概率中,把最终结果中那些不需要的事件通过合并成它们的全概率,而消去它们(对离散随机变量用求和得全概率,对连续随机变量用积分得全概率),这称为边缘化(marginalization),比如A的边缘概率表示为P(A),B的边缘概率表示为P(B)。联合概率表示两个事件共同发生的概率。A与B的联合概率表示为P(A∩B)或者P(A,B)或者P(AB)。条件概率(又称后验概率)在事件B已经发生的条件下,求事件A发生的概率,称这种概率.转载 2020-09-13 17:25:33 · 865 阅读 · 0 评论 -
slam 基础之 粒子滤波
一直在用,也总是知其然而不知其所以然。一些很常规的基础总是会温故知新。所长的推导系列:Particle Filter Tutorial 粒子滤波:从推导到应用(一)Particle Filter Tutorial 粒子滤波:从推导到应用(二)Particle Filter Tutorial 粒子滤波:从推导到应用(三无人驾驶8: 粒子滤波定位(优达学城项目)...原创 2020-09-13 17:55:56 · 1601 阅读 · 0 评论