坐标对齐（估计值-真实值）

最新推荐文章于 2023-11-01 19:00:00 发布
最新推荐文章于 2023-11-01 19:00:00 发布
阅读量2.8k 收藏 1
点赞数
分类专栏： slam学习 navigation
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_18661939/article/details/61221702
版权 
 

 

主要解决跑数据集的时候，自己的pose的坐标和真实值的pose坐标不一致问题（并不是简单的一个坐标转换的事情）。
 

本代码只需要你slam估计的数据和真实数据（数据格式是：time,x,y,z,q_x,q_y,q_x,q_w  ) (  旋转是以四元数形式保存的）
 

代码我已经上传的GitHub上：https://github.com/QingfengLi-hit/coordinate_align

                

        

        

    




    

      

        

            

              
                
                  金木炎
                
              
            

            

                关注
              
            

        

        

          
    
            
  • 
              
                
                
                
                
                      0
                
              
              
    点赞
    
            
    • 
            
  • 
              
                
                
                
              
              
    踩
    
            
    • 
            
  • 
              
                
                
                
                
                    1
                
              
              
    
                
    
                  
                    收藏
                  
                
    
              
    
              
    
                
    
                  觉得还不错?
                  
                    一键收藏
                  
                 
                
    
              
    
            
    • 
          
  • 
            
    
              
              
            
    
              
              
              
                  3
              
            
            
    评论
    
          
    • 
          
  • 
          
    • 
          
  • 
            
              
            
              
    
            
              
                
            
    
          
    • 
        

      

      

            

                专栏目录
          










                



	

		

			

				
					
坐标系变换和对齐

				
			

			

				

					ziliwangmoe的博客
				

				

					08-12
					
					3663
					
				

			

		

		

			
				
本篇文章先定义坐标系变换，然后讲解什么是坐标系的对齐，最后说明怎么对一个物体做非刚体的对齐。

三维空间的点要像用数学来表示的话，就必须要要先建立坐标系。只有确定了坐标系，才能给每个3d的点一个坐标值。
	最开始用来计算3d点坐标值的坐标系我们叫做局部坐标系。
	对3d点做任何旋转平移操作后，每个3d点的坐标值发生了变化。这个过程可以看作把这些3d点在另外一个坐标系表示出来了。这里的另外一个坐标系就叫做全局坐标系。而这里的旋转和平移的操作，也就是把点在局部坐标系中的坐标值转换成全局坐标系中的坐标值的变换。


			
		

	



                

              
                



	

		

			

				
					
Python-在MXNet中实现健壮的2D和3D人脸对齐

				
			

			

				

					08-11
				

			

		

		

			
				
这些模型能够检测图像中的特征点，并通过回归算法预测它们的精确坐标。例如，我们可以使用MTCNN（Multi-Task Cascaded Convolutional Networks）或者Dlib库中的HOG-SVM方法。在MXNet中，你可以加载这些模型的权重，...

			
		

	



                


  
              

                


	

		

			

				
					
IMU 坐标系 与 相机 坐标系旋转对齐

				
			

			

				

					jsf921942722的博客
				

				

					07-11
					
					2108
					
				

			

		

		

			
				
IMU 坐标系 与 相机 坐标系旋转对齐
文章目录IMU 坐标系 与 相机 坐标系旋转对齐四元数的左乘和右乘相机 与 IMU之间的相对旋转对齐
四元数的左乘和右乘
q1⊗q2=[q1]Lq2,q1⊗q2=[q2]Rq1q_1 \otimes q_2 = \left[q_1\right]_L q_2, \qquad q_1 \otimes q_2 = \left[q_2\right]_R q_1q1...

			
		

	





	

		

			

				
					
激光slam坐标系和视觉slam坐标系对齐，两个slam系统之间坐标对齐，轨迹对齐，时间戳对齐

				
			

			

				

					一点儿也不萌的萌萌
				

				

					10-16
					
					5728
					
				

			

		

		

			
				
1. 面临的问题
两个独立的SLAM系统中，常常面临一个问题，那就是一个系统上的某一个pose，对应到另一个系统中是在哪里？

紧耦合的SLAM系统，不存在这个问题，比如激光雷达和相机融合的SLAM系统，它们不存在上述问题！

造成这种关系不确定的最主要原因是：两个系统各自有自己的一个参考系。如果它俩在一个统一的世界参考系下，那么就不存在上述的问题。
我们立马想到的一个办法是，我让两个SLAM系统同时开机运行，那么开机运行那一刻的原点不就是它们的坐标原点了嘛！但是你能保证两个SLAM系统都是一开机运行就能初

			
		

	



		

			
		



	

		

			

				
					
ROS系列（四）：坐标系转换介绍和对齐

					
最新发布

				
			

			

				

					梦想是要有的，万一实现了呢！
				

				

					11-01
					
					3189
					
				

			

		

		

			
				
本篇文章介绍：ECEF、ENU、UTM、WGS-84坐标系（LLA)

			
		

	





	

		

			

				
					
如何估计一组数据的真实值

				
			

			

				

					ilovewold的博客
				

				

					09-22
					
					439
					
				

			

		

		

			
				
kalman滤波，估计一维数据的真实值

			
		

	





	

		

			

				
					
pytorch改进复现了TPAMI 2017论文：全姿态范围内的人脸对齐-python

				
			

			

				

					06-18
				

			

		

		

			
				
3D人脸对齐是计算机视觉领域中的一个重要任务，它的目标是将人脸图像中的关键特征点（如眼睛、鼻子、嘴巴等）映射到一个统一的三维坐标系中，以便于后续的人脸识别、表情分析、重建等应用。3DDFA 使用了一个端到端的...

			
		

	





	

		

			

				
					
lidar-align-master.zip

				
			

			

				

					09-20
				

			

		

		

			
				
标定通常指的是调整传感器参数，使其测量结果与真实世界坐标系对齐，确保多传感器数据的一致性和准确性。对于LIDAR，标定可能包括确定其内部参数（如旋转频率、扫描角度等）以及相对于其他传感器（如摄像头）的位置...

			
		

	





	

		

			

				
					
MVS-synth datasets

				
			

			

				

					06-10
				

			

		

		

			
				
4. **图像对齐**：将各视角的图像进行精确对齐，以便于进行特征匹配和立体匹配。 5. **标注和分割**：为每个图像提供深度标签，同时可能还包括物体分割标签，以支持更复杂的任务如语义重建。  这个小子集中的“0000...

			
		

	





	

		

			

				
					
GAN-Face3D

				
			

			

				

					03-21
				

			

		

		

			
				
2. 生成器网络：生成器网络是一个深度卷积神经网络（CNN），它接受二维人脸图像作为输入，并尝试生成对应的三维几何信息，如顶点坐标、法线方向等。生成器可能包含多个卷积层、上采样层以及全连接层，以学习图像到三...

			
		

	





	

		

			

				
					
用IMU数据进行位置和姿态估计

				
			

			

				

					01-10
				

			

		

		

			
				
用IMU的数据进行机器人位置和姿态的估计，比如acc或者gyro积分每个sample怎么进行坐标变换，怎么由rawdata得到位置和姿态信息的计算细节等。
In recent years, microelectromechanical system (MEMS) inertial sensors (3D accelerometers and
3D gyroscopes) have become widely available due to their small size and low cost. Inertial sensor
measurements are obtained at high sampling rates and can be integrated to obtain position and
orientation information. These estimates are accurate on a short time scale, but suer from integration
drift over longer time scales. To overcome this issue, inertial sensors are typically combined
with additional sensors and models. In this tutorial we focus on the signal processing aspects of
position and orientation estimation using inertial sensors. We discuss dierent modeling choices and
a selected number of important algorithms. The algorithms include optimization-based smoothing
and ltering as well as computationally cheaper extended Kalman lter and complementary lter
implementations. The quality of their estimates is illustrated using both experimental and simulated
data.

			
		

	





	

		

			

				
					
coordinate_align:为了解决实验数据与地面真实数据对齐的问题

				
			

			

				

					05-18
				

			

		

		

			
				
1先决条件
我已经在Ubuntu 14.04＃Eigen3中测试了该库。可以在以下网址找到下载和安装说明：  ://eigen.tuxfamily.org。 至少需要3.1.0。
 ＃2正在运行./Coordinate_Align path_to_dataset_of_keyframe path_to_dataset_of_groundtruth
 #REFERENCES BKP Horn，“使用单位四元数的绝对取向的封闭形式解决方案”，《美国光学学会杂志》 A卷，第1期。 4，没有1987年第4卷，第629-642页。

			
		

	





	

		

			

				
					
VINS（七）estimator_node 数据对齐 imu预积分 vision

				
			

			

				

					weixin_34088598的博客
				

				

					07-10
					
					411
					
				

			

		

		

			
				
首先通过vins_estimator mode监听几个Topic（频率2000Hz），将imu数据，feature数据，raw_image数据（用于回环检测）通过各自的回调函数封装起来

ros::Subscriber sub_imu = n.subscribe(IMU_TOPIC, 2000, imu_callback, ros::TransportHints().tcpNoDelay())...

			
		

	





	

		

			

				
					
vins的imu和camera对齐以及预积分计算

				
			

			

				

					u010949023的博客
				

				

					04-13
					
					493
					
				

			

		

		

			
				
imu和image的对齐策略如下图所示：

image20hz，imu100hz.每两帧image会对应6帧imu,注意，w6一定会加入进去。在下一帧image中，w6也会加入进去(就变成下一帧image的头)，w6会被使用两次。
求j帧image对应的imu预积分过程：
代码里预积分采用的最简单的中值，un_gyro = 0.5 * (w+last_w)*dt
故我们需要知道每段imu当前的w,上一次的w和两者之间的dt
1.首先我们确定j帧image对应几组imu数据：w1(wi, idt2),w2(w

			
		

	





	

		

			

				
					
Gvins运行结果处理，时间戳对齐并与RTK真值对比 （matalb代码）

				
			

			

				

					weixin_54078778的博客
				

				

					11-07
					
					934
					
				

			

		

		

			
				
最近在学习Gvins，准备自己用matlab处理一下结果

			
		

	





	

		

			

				
					
2021-05-27

				
			

			

				

					m0_51940103的博客
				

				

					05-27
					
					324
					
				

			

		

		

			
				
R线性回归
结果：
call: 回归公式
Residuals:真实值与估计值之间的差
Coefficients:系数，Intercept:与y轴的截距。t检验的P值若小于0.05，拒绝原假设。接受备择假设：身高和体重之间是有显著差异（*显著差异）。
F检验的P值若大于0.05,重新选择拟合模型


...

			
		

	





	

		

			

				
					
无人驾驶技术——RMSE

				
			

			

				

					xiao_lxl的专栏
				

				

					11-04
					
					317
					
				

			

		

		

			
				
传感器融合流程

均方根误差

均方根误差，可测量估算状态和真实状态之间的偏差。
#include <iostream>
#include <vector>
#include "Dense"

using Eigen::MatrixXd;
using Eigen::VectorXd;
using std::cout;
using std::endl;
using std::...

			
		

	





	

		

			

				
					
EuRoc的groundTruth选取camera部分位姿

				
			

			

				

					u013925378的博客
				

				

					09-06
					
					1795
					
				

			

		

		

			
				
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%读取.csv文件中的groudTruth,与camera时间戳对齐,保存位姿
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
 close all;clc;clear;
 file_name1 = '/data.csv';
 file_name2 = '/cam0/data.csv';
 sav...

			
		

	





	

		

			

				
					
利用ICP把自己跑出的数据与开源数据集对齐并显示（一.时间戳对齐）

				
			

			

				

					luo870604851的博客
				

				

					12-15
					
					1942
					
				

			

		

		

			
				
　我们采集的数据集时间戳通常与给定的groundtruth的时间戳不对齐，下面以ＥuRoC数据集data.csv和我们采集的CameraTrajectory.txt为例介绍两者之间的对齐。

一.data.csv转ground.txt


    //改写成txt文件
    ifstream ifile("data.csv");
    string line,s;
    vector&lt;...

			
		

	





	

		

			

				
					
相对于世界坐标系的相机姿态

				
			

			

				

					09-08
				

			

		

		

			
				
在虚拟现实、增强现实等领域中，相机姿态的精确估计对于提供真实感和交互性非常关键。   ### 回答3： 相对于世界坐标系的相机姿态是指相机在三维空间中相对于世界坐标系的位置和朝向。它通过一系列的旋转和平移变换...

			
		

	



              



  
“相关推荐”对你有帮助么？

  

      
    
          
  • 
              
    
                  
                  
              
    
              
    非常没帮助
    
          
    • 
          
  • 
              
    
                  
                  
              
    
              
    没帮助
    
          
    • 
          
  • 
              
    
                  
                  
              
    
              
    一般
    
          
    • 
          
  • 
              
    
                  
                  
              
    
              
    有帮助
    
          
    • 
          
  • 
              
    
                  
                  
              
    
              
    非常有帮助
    
          
    • 
      

      

      

          
          提交
      

      

  




          




        



    





    



      

      

        
      

      





	

		
评论 3

	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值