论文笔记
文章平均质量分 63
一抹烟霞
这个作者很懒,什么都没留下…
展开
-
MULLS:论文阅读
文章目录特点贡献主要内容1、几何特征点提取与编码1.1 双阈值地面滤波:1.2 基于PCA的非地面点分类1.3 邻域类别上下文编码2、 多度量线性最小二乘 ICP2.1 多类最近点关联2.2、多度量变换估计:2.3 多策略加权功能2.4 多指标注册质量评价:3、 MULLS 前端4、后端特点1、类别特征点:ground, facade, pillar, beam等2、多度量最小二乘:每个点类内的点对点(平面、线)误差度量通过线性近似联合优化以估计自我运动将注册帧的静态特征点附加到本地地图中以使其原创 2021-10-18 14:28:52 · 892 阅读 · 0 评论 -
Fast-LIO论文阅读
文章目录一、系统流程与符号说明1、定义流形中的+-IEKF算法步骤一、系统流程与符号说明1、定义流形中的+-从上面的定义,很容易验证IEKF符号含义zjκ=Gj(Gp^fjκ−Gqj)\mathbf{z}_{j}^{\kappa}=\mathbf{G}_{j}\left({ }^{G} \widehat{\mathbf{p}}_{f_{j}}^{\kappa}-{ }^{G} \mathbf{q}_{j}\right)zjκ=Gj(Gpfjκ−Gqj)zj原创 2021-07-31 17:52:47 · 4873 阅读 · 0 评论 -
论文阅读:Remove, then Revert: Static Point cloud Map Construction using Multiresolution Range Images
文章目录Ⅰ、INTRODUCTIONremoving-and-reverting算法:主要贡献Ⅱ、RELATED WORKⅢ、METHODOLOGYA、符合规定B、基于深度图像的地图比较C、批量动态点移除D. Removert:删除,然后恢复静态点IV. EXPERIMENTAL RESULTSⅠ、INTRODUCTIONremoving-and-reverting算法:1.我们首先保守地保留静态点(见图1的中间),并将错误移除的点还原。这个过程处理一批测量,不像[14]中的连续Bayesian更原创 2020-12-27 21:56:53 · 1473 阅读 · 0 评论 -
ReFusion: 3D Reconstruction in Dynamic Environments for RGB-D Cameras Exploiting Residuals 论文阅读
文章目录一、主要贡献二、主要流程2.1 模型表示2.2 位姿估计2.3 动态(物体)检测2.4 模型雕刻和自由空间管理2.5 限制和处理无效的度量一、主要贡献提出了基于TSDF的slam算法,该算法只基于纯几何的滤波方法就可以对动态目标进行滤除。我们提出利用配准所获得的残差,结合环境中自由空间的显式表示来检测动力学。因为没有使用深度学习和目标跟踪,所以不受类别、运动速度、运动物体数量的约束。二、主要流程我们首先通过直接利用模型表示的TSDF来执行初始姿态估计。通过观察配准得到的残差,我们可以检测出原创 2020-12-15 15:42:37 · 1191 阅读 · 0 评论 -
ORBSLAM-Atlas: a robust and accurate multi-map system论文阅读笔记
文章目录一、Atlas 多地图的表示1.1 Atlas(地图集)1.2 新地图创建标准1.3 相机位姿可观测性1.4 在多地图中的重定位二、无缝的地图拼接一、Atlas 多地图的表示1.1 Atlas(地图集)Atlas(地图集)(图1)由几乎无限数量的地图组成,每个地图都有自己的关键帧、地图点、共视图和生成树。每个地图参考帧固定在建立这个地图时的第一个相机中,并且它独立于ORBSLAM中的其他地图参考。传入的视频只更新地图册中的一个地图,我们称之为活动地图(active map),我们将其余地图称原创 2020-09-21 14:56:21 · 527 阅读 · 0 评论 -
LIO-SAM: Tightly-coupled Lidar Inertial Odometry via Smoothing and Mapping论文解读
文章目录摘要摘要LIO-SAM将lidar-惯性里程计置于一个因子图之上,允许从不同来源将多种相对和绝对测量,包括环闭检测,作为因子合并到系统中。原创 2020-08-03 19:40:30 · 4263 阅读 · 3 评论 -
激光闭环检测Scancontext阅读笔记
文章目录一、构建Scan Context二、计算Scan Context的每一行的均值作为RingKey三、将所有历史帧的RingKey构建Kd-tree查找候选关键帧四、遍历候选关键帧,选择距离最近的帧作为匹配帧。计算距离的步骤五、再用icp匹配优缺点优点缺点Scan Context: Egocentric Spatial Descriptor for Place Recognition within 3D Point Cloud Map(IROS2018)一、构建Scan ContextNrN_原创 2020-07-26 18:01:39 · 2662 阅读 · 0 评论