如何在真实地图上显示SLAM输出的运动轨迹

最新推荐文章于 2024-05-16 00:00:00 发布
最新推荐文章于 2024-05-16 00:00:00 发布
阅读量2.6k 收藏 34
点赞数 4
分类专栏： 手写VIO
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_36170626/article/details/105941428
版权

代码链接：https://github.com/zhanghanduo/ROS_leaflet_gps
此应用程序旨在连接到ROS的同时在浏览器中显示带有Leaflet的OSM map，因此它可以使用标记显示GPS（/ NavSatFix）的位置和轨迹。该软件包还能够以geometry_msgs / PoseStamped格式集成视觉里程计结果在左侧，您可以看到标尺之类的按钮。 您可以使用它来测量公制距离。
具体操作：
以kinetic版本为例：
安装：

sudo apt-get install ros-kinetic-rosbridge-suite

git clone https://github.com/zhanghanduo/ROS_leaflet_gps.git

文件结构：
最低0.47元/天 解锁文章
纷繁中淡定
关注
  • 4
    点赞
  • 踩
  • 34
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 7
    评论
专栏目录
视觉SLAM学习分享--显示运动轨迹
qq_51106967的博客
08-29 792
1.效果图。 2.plotTrajectory.cpp #include <pangolin/pangolin.h> #include <Eigen/Core> #include <unistd.h> // 本例演示了如何画出一个预先存储的轨迹 using namespace std; using namespace Eigen; // path to trajectory file string trajectory_file = "../trajec.
EVO 绘制slam轨迹
Alex的博客
01-19 3060
文章目录一、准备工作1、生成文件2、转化格式二、制图1、evo_config2、evo_traj3、evo_ape和evo_rpe 一、准备工作 1、生成文件 运行程序，保存地图的路径，生成了一个文件： *.txt //vins_result_loop.txt 2、转化格式 经过我们上面的修改，该文件是符合tum格式的，虽然我们使用的是euroc数据集，但evo只支持tum格式的绘制，它提供了euroc格式转tum格式的工具。首先我们打开数据集的state_groundtruth_estimate0/文
SLAM 轨迹评估 性能指标 汇总
weixin_44458958的博客
05-30 2028
假如有2000次观测，即m=2000，对于某一次（第i次）观测来说，y值是真实值，而h(x)是观测值，对所有m次观测的的偏差取平方后相加，得到的值再除以m，然后再开根号，就得到RMSE了。它们之间在的区别在于，RMSE先对偏差做了一次平方，这样，如果误差的离散度高，也就是说，如果最大偏差值大的话，RMSE就放大了。RRE是另外一种计算误差的方式，相比于上面计算的旋转误差，应该是等价的。但是还有一个比较让人迷糊的概念是标准误差，体现的是使用样本来估计总体，这时，上面公式里的1/n，变成了1/(n-1)。
Leaflet 入门教程（十三）：动画
最新发布
大剑师兰特的GIS世界
05-16 1673
曾是美国某知名大学计算机专业研究生，现为航空航海领域高级前端工程师；CSDN知名博主，GIS领域优质创作者，深耕openlayers、leaflet、mapbox、cesium，canvas，webgl，echarts等技术开发，欢迎加底部微信（gis-dajianshi），一起交流。
地图 显示 动态轨迹_Qt编写安防视频监控系统30-GPS运动轨迹
weixin_39886612的博客
12-10 667
## 一、前言此功能是一个客户定制的，主要是需要在地图上动态显示GPS的运动轨迹，有个应用场景就是一个带有监控的车子，实时在运动中，后台可以接收到经纬度信息，需要绘制对应的轨迹，相当于这些摄像机点位是动态移动的，这样就可以观测到摄像机的实时位置信息，双击摄像机还可以弹出画面实时预览，很直观。GPS运动轨迹这个功能，也需要用到js的知识，其实就是封装一个js函数，绘制对应的线条路径，这个轨迹点可能包...
SLAM第三讲实践：运行显示运动轨迹plotTrajectory.cpp
zhangyuanbonj的博客
09-25 371
因为观察外边的目录结构，就发现这个txt文件是存在examples下面的，但是呢你执行的时候，是在examples/build下执行的。切换到plotTrajectory所在目录。
matlab绘制slam轨迹
weixin_43211438的博客
04-30 3633
首先录制integrated_to_init话题数据，生成bag文件，然后在matlab中处理，处理代码： %打开bag文件 filepath=fullfile('D:','data','transform1.bag'); bag=rosbag(filepath); %提取bag文件中的odometry数据,并读取到data中 geometry_message=select(bag,'Messa...
基于ORB-SLAM2的实时网格地图构建
04-30
针对目前视觉SLAM（同时定位与地图构建）系统只能输出相机的运动轨迹图而不能生成用于路径规划和导航地图的缺点，提出了一种基于ORB-SLAM2的网格地图实时构建算法。首先，建立了一个适用于视觉SLAM的逆传感器模型...
ORBSLAM可以用来保存地图和重载地图
05-01
参照博客做的ORB_SLAM，可以用来保存地图和重载地图。用的时候是先保存好地图后，然后把读图片以及各个节点都注释掉，在ros::shutdown()之前写下：注意用getchar()把程序暂停，要不然看不了地图。
ORBSLAM2画轨迹—更正版本
04-02
该代码可以描述ORBSLAM2运行后保护的KeyFrameTrajectory.txt，FrameTrajectory_TUM_Format.txt，KeyFrameTrajectory_TUM_Format.txt等文件，画出其轨迹
SLAM即时定位与地图构建 项目笔记
01-17
SLAM（Simultaneous Localization and Mapping，即时定位与地图构建）是机器人领域中的核心技术，它允许机器人在未知环境中自主导航并构建环境的地图。本项目笔记主要聚焦于理解SLAM的基本概念、关键算法以及其实现...
用于SLAM的，如何比较两断轨迹，以及如何将这两段轨迹用pangolin在界面中绘制出来
07-10
用于SLAM的，如何比较两断轨迹，以及如何将这两段轨迹用pangolin在界面中绘制出来
MCL蒙特卡洛定位——机器人在地图上运动——js实现
06-26
该算法利用了统计学中的蒙特卡洛模拟技术，通过在地图上散布随机粒子来近似表示机器人的位置概率分布。MCL的主要优点是它能够处理不确定性，适应于环境变化和传感器误差。 在机器人运动的过程中，MCL首先需要设定一...
SLAM学习记录（一）
yue__ye的博客
09-12 325
ROS的学习结束。可以开始SLAM的学习了，开心。 说到SLAM的学习，就不得不提到高翔大大的《视觉 SLAM 十四讲》，准备跟着《视觉 SLAM 十四讲》把基础的东西学一遍。 1、初识SLAM pdf版本下载地址在B站上看到一个UP大大给的地址，搬运过来 SLAM(simultaneous localization and mapping):即时定位于地图构建 各种相机做SLAM的特点： 单目相机（单目SLAM）:有个很大的问题尺度不确定性。 双目相机：深度量程和精度受双目的基线与分辨率限制，而且视差的计
SLAM十四讲_第四讲(ch4)_Sophus的基本使用以及轨迹误差（包含代码详细注释，包含绘制估计轨迹和真实轨迹）
joun772的博客
10-26 2324
一、Sophus的基本使用 注：在编译前，应该装好Sophus库，该库要用到一些依赖，可自行去csdn查找 在github的slambook2(by_gaoxiang)上给出了相关的第三方库 该程序主要包含简单的李群李代数的的定义以及转换 源码如下： // //该程序包含Sophus库的基本使用 //包括 李群（SO3、SE3） 、 李代数（so3、 se3） 以及相应的转换 #include<iostream> #include<cmath> #include<Eigen
用evo工具评估SLAM轨迹
热门推荐
A_L_A_N
05-16 1万+
evo github 地址：https://github.com/MichaelGrupp/evo 不同格式的轨迹文件及相互转换：https://github.com/MichaelGrupp/evo/wiki/Formats 问题汇总：https://github.com/MichaelGrupp/evo/issues?q=is%3Aissue+is%3Aclosed 1、安装 evo ...
三维空间刚体运动5：详解SLAM中显示机器人运动轨迹及相机位姿（原理流程）
shao918516的博客
09-18 4266
视觉SLAM十四讲 第2版 显示运动轨迹及相机位姿基于3.7可视化演示，运行plotTrajectory.cpp操作实录 最近学习无人驾驶，在网上看到了高翔老师的《视觉SLAM十四讲》，感觉不错，遂买来仔细研读。前边章节学习比较顺利，学到3.7节的程序时，运行碰到极大困难，卡了一周，碰到各种坑，所幸一一填平，写篇文章记录下来，以觞来者。
将轨迹对应到google earth（谷歌地球）上
sunqin的博客
05-25 3210
  下面为将机器人的轨迹对应到谷歌地球上的demo，只需要将 <coordinates> 与 </coordinates>之间的经纬度坐标换成自己的经纬度坐标数据，然后将下面的内容保存的到文件中，将扩展名改为.kml，再打开google earth，将该文件拖进去，即可在上面显示对应的坐标轨迹。 <?xml version='1.0' encoding='UTF-8'...
EVO应用于SLAM评估轨迹学习汇总
qq_39607707的博客
05-17 836
EVO应用于SLAM评估轨迹学习汇总分类汇总1、绘制轨迹2、轨迹评估3、全局设置和配置文件操作4、结果比较参考文章 分类汇总 1、绘制轨迹 evo_rpe：计算相对位姿误差 evo_ape：计算绝对位姿误差 2、轨迹评估 evo_traj：用于绘制轨迹，也可以用于验证数据是否有效，导出为其他格式等 3、全局设置和配置文件操作 evo_config：用于保存配置文件，把自己常用的参数保存为.json文件，避免每次输入 4、结果比较 evo_res：进行结果比较 参考文章 1、视觉里程计的轨迹
ORBSLAM输出的轨迹与数据集真实轨迹进行轨迹对齐并输出txt文件C++
05-25
要对齐ORBSLAM输出的轨迹与数据集真实轨迹，可以使用ICP（Iterative Closest Point）算法。ICP算法可以将一个点云或轨迹与另一个点云或轨迹进行对齐，通过最小化它们之间的距离来实现对齐。 以下是基本的ICP算法步骤： 1. 选取初始变换矩阵T0。 2. 将待对齐的点云或轨迹应用变换T0。 3. 计算变换后的点云或轨迹与目标点云或轨迹的最近邻点对应关系。 4. 使用最小二乘法计算出变换矩阵T，使得变换后的点云或轨迹与目标点云或轨迹的距离最小。 5. 将待对齐的点云或轨迹应用变换矩阵T。 6. 重复步骤3-5，直到达到收敛条件或最大迭代次数。 实现以上步骤，你可以按照以下步骤： 1. 读入ORBSLAM输出的轨迹数据和数据集真实轨迹数据。 2. 对轨迹数据进行预处理，例如去除无效的点或平移/旋转坐标系。 3. 选取初始变换矩阵T0，例如单位矩阵。 4. 将ORBSLAM输出的轨迹数据应用变换矩阵T0。 5. 重复执行以下步骤，直到达到收敛条件或最大迭代次数： a. 计算ORBSLAM输出的轨迹数据和数据集真实轨迹数据的最近邻点对应关系。 b. 使用最小二乘法计算出变换矩阵T，使得ORBSLAM输出的轨迹数据经过变换后与数据集真实轨迹数据的距离最小。 c. 将ORBSLAM输出的轨迹数据应用变换矩阵T。 6. 将对齐后的轨迹数据输出为txt文件。 以下是C++代码实现ICP算法： ```c++ #include <iostream> #include <fstream> #include <vector> #include <Eigen/Core> #include <Eigen/Geometry> #include <pcl/io/pcd_io.h> #include <pcl/point_types.h> #include <pcl/filters/voxel_grid.h> #include <pcl/registration/icp.h> typedef pcl::PointXYZ PointT; typedef pcl::PointCloud<PointT> PointCloud; void readPointCloud(std::string filename, PointCloud::Ptr cloud) { std::ifstream file(filename.c_str()); std::string line; while (std::getline(file, line)) { std::stringstream ss(line); double x, y, z; ss >> x >> y >> z; PointT point(x, y, z); cloud->push_back(point); } } void writePointCloud(std::string filename, PointCloud::Ptr cloud) { std::ofstream file(filename.c_str()); for (size_t i = 0; i < cloud->size(); ++i) { PointT point = cloud->at(i); file << point.x << " " << point.y << " " << point.z << std::endl; } } int main(int argc, char **argv) { if (argc != 4) { std::cerr << "Usage: " << argv[0] << " input1.pcd input2.pcd output.pcd" << std::endl; return -1; } // 读入点云数据 PointCloud::Ptr source(new PointCloud); PointCloud::Ptr target(new PointCloud); readPointCloud(argv[1], source); readPointCloud(argv[2], target); // ICP参数设置 pcl::IterativeClosestPoint<PointT, PointT> icp; icp.setMaximumIterations(50); icp.setTransformationEpsilon(1e-8); icp.setMaxCorrespondenceDistance(0.1); // 执行ICP算法 icp.setInputSource(source); icp.setInputTarget(target); PointCloud::Ptr aligned(new PointCloud); icp.align(*aligned); // 输出对齐后的点云数据 writePointCloud(argv[3], aligned); return 0; } ``` 在上面的代码示例中，我们使用了PCL库来实现ICP算法。需要注意的是，ICP算法需要两个点云之间的对应关系，因此我们需要保证待对齐的点云在同一坐标系下，并且点云中的点数量相近。如果待对齐的轨迹数据与数据集真实轨迹数据的数量不同，可以使用插值等方法来进行处理。

“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 7
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

打赏作者

纷繁中淡定

你的鼓励是我装逼的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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