sinoai

欢迎访问我的博客。

欢迎访问我的博客。

欢迎访问我的博客。

absl教程（五）：Synchronization library。

欢迎访问我的博客。

欢迎访问我的博客。

欢迎访问我的博客。

欢迎访问我的博客。

欢迎访问我的博客。

欢迎访问我的博客首页。

欢迎访问我的博客首页。

欢迎访问我的博客首页。  按照顺序依次安装下面的库，选中 BUILD_SHARED_LIBS。  我们求解 两个点云 间的位姿变换。ceres-solver 有三种求导方式，这里使用最简单的自动求导，详细参考这篇 博客。本文的例子参照 A-LOAM。使用 ceres-solver 求解位姿时，旋转矩阵用四元数 Eigen::Quaternion 表示，平移向量用矩阵 Eigen::Matrix 表示。  可以看出，该代价函数类的构造函数接收一个观测值 point_a 和一个实际值 point_b。重载函数

图优化

欢迎访问我的博客首页。最优化方法1. 最小二乘问题1. 最小二乘问题  实践中的大量最优化问题以最小二乘问题的形式出现，对于无约束最优化问题，最小二乘的形式为min⁡x∈Rnf(x)=12r(x)Tr(x)=12∑i=1m[ri(x)]2,m⩾n.(1.1)\min_{x \in \mathbb R^n} f(x) =\frac{1}{2} r(x)^T r(x) =\frac{1}{2} \sum_{i = 1}^{m} [r_i(x)]^2,\quadm \geqslant n..

欢迎访问我的博客首页。李群与李代数1. 李群与李代数1.1 SE(3) 上的李代数求导1. 李群与李代数1.1 SE(3) 上的李代数求导  假设某空间点 ppp 经过一次变换 TTT（对应的李代数为 ξ\xiξ），得到 TpTpTp。现在给 TTT 左乘一个扰动 ΔT=exp(Δξ∧)\Delta T = exp(\Delta \xi ^ \land)ΔT=exp(Δξ∧)。假设 Δξ=[Δρ,Δϕ]T\Delta \xi = [\Delta \rho, \Delta \phi] ^ TΔ.

欢迎访问我的博客首页。EPnP 算法 25.1 数学期望与协方差矩阵5.2 三维坐标的协方差矩阵5.3 透视投影与正交投影5.4 范数5.1 数学期望与协方差矩阵  设 Z 是离散型随机变量 X, Y 的函数 Z = g(X, Y)（g 是连续函数），那么，Z 是一个一维随机变量。假设离散型随机变量 (X, Y) 的分布律为 P{X=xi,Y=yi}=pijP\{X = x_i, Y = y_i\} = p_{ij}P{X=xi​,Y=yi​}=pij​，i，j = 1, 2, …。则有E(Z.

PnP 问题 2void PnPsolver::compute_A_and_b_gauss_newton(const double *l_6x10, const double *rho, double betas[4], CvMat *A, CvMat *b) { for (int i = 0; i < 6; i++) { const double *rowL = l_6x10 + i * 10; double *rowA = A->data.db +

LOAM]1. 参考1. 参考LOAM 论文，CMU，2014。LOAM 改进，sci-hub，2017。

欢迎访问我的博客首页。F-LOAM参考参考F-LOAM 论文，arxiv，2021。

欢迎访问我的博客首页。ICP 算法

欢迎访问我的博客首页。SLAM工程1. Gmapping2. Cartographer3. 参考1. Gmapping  Gmapping 是德国弗莱堡大学 20007 年提出的基于滤波器的激光 SLAM。2. Cartographer  Cartographer 是谷歌 2016 年提出的基于图优化的激光 SLAM。3. 参考Gmapping，sci-hub，2007。Cartographer，sci-hub，2016。...

投影矩阵、三角测量、奇异值分解、对角矩阵分解

欢迎访问我的博客首页。CT-ICP1. 参考1. 参考论文，Arxiv源码，Github

对极几何、归一化、基础矩阵、单应矩阵

求解位姿变换  已知空间点在两个三维坐标系中的三维坐标，求这两个坐标系的位姿变换，称为3D-3D问题。在第三、四章分别用SVDSVDSVD、非线性优化来求解该问题。  假设我们的传感器就是相机。  假如已知空间点在一个三维坐标系中的三维坐标，现在相机看到这些空间点并得到这些空间点在拍摄得到的图像上的像素坐标，那么怎么求这个三维坐标系和当前相机坐标系的位姿变换呢？本章讲的就是这个问题。因为...................................................

求解位姿变换的非线性优化方法1. 李群和李代数2. 求解位姿变换的SVD方法1. 李群和李代数2. 求解位姿变换的SVD方法  把三维坐标系OqO_{q}Oq​中的坐标q=(a,b,c)q=(a,b,c)q=(a,b,c)变换到三维坐标系OpO_{p}Op​中：p′=exp(ξ∧)q=(x′,y′,z′)(4.2.1) p' = exp(\xi ^ \land) q = (x',y',z'........................

欢迎访问我的博客首页。ICP 之 SVD1. SVD法1.1 构造最小二乘问题1.2 求解最小二乘问题1.1 求旋转矩阵1.2 求平移向量1.3 例子2. 使用程序计算2.1 源码2.2 配置文件  ICP 即 Iterative Closest Point，迭代最近点。已知三维点在两个坐标系中的坐标，求这两个坐标系的变换关系，称为 ICP 问题。1. SVD法1.1 构造最小二乘问题  假设从空间坐标系 O1O_1O1​ 到空间坐标系 O2O_2O2​ 的变换是 (R,t⃗ )(R, \.

位姿的表示1. 位姿2. 相对位置3. 相对位姿1. 位姿  第1节中用三维坐标来表示机器人的位置，把SLAM问题描述为推断相邻位置的相对坐标。在实际应用中，为了更好地控制机器人，还需要知道机器人的姿态。  姿态就是机器人的朝向。只有知道朝向，才有前、后、左、右、上、下之分，才能更好地控制机器人。在三维坐标系中，可以用一个三维向量表示朝向。三维位置坐标和三维朝向向量合称为位姿，即位置和姿态。于...............

简介1. 介绍2. 应用场景2.1 场景一2.2 场景二3. 研究内容3.1 主要研究内容3.2 位置表示的传递性1. 介绍  SLAM的英文名称是simultaneous localization and mapping或Concurrent Mapping and Localization，中文名称是即时定位与地图构建或并发建图与定位。  SLAM就是一项技术，这个技术可以帮助一个运动的.....................

二维坐标与索引的转换1.坐标转索引2.索引转坐标1.坐标转索引当 x = y = 0 时， index = 0 。k = max( | x |, | y | ) 。当 x ≤\leq≤ y 时，index = 4k2k^2k2 + 1 - ( 2k + x + y)。当 x >\gt> y 时，index = 4k2k^2k2 + 1 + ( 2k + x + y)。2...