![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Lidar
文章平均质量分 74
小白 AI 日记
昨天院子里来了一只左眼是蓝色右眼是橙色的小猫
展开
-
LidarSLAM(四):robot_localization
X i= [1.1, 1.9, 3]Yi = [5.0, 10.4, 14.6]E(X) = (1.1 + 1.9 + 3) / 3 = 2E(Y) = (5.0 + 10.4 + 14.6) / 3 = 10E(XY) = (1.1 × 5.0 + 1.9 × 10.4 + 3 × 14.6) / 3 = 23.02Cov(X,Y) = E(XY) - E(X)E(Y) = 23.02 - 2 × 10 = 3.02此外:还可以计算:D(X) = E(X^2) - E^2(X) =原创 2020-08-01 09:00:51 · 1589 阅读 · 10 评论 -
LidarSLAM(三):EVO- SLAM轨迹精度评价工具
1 安装:需要python3.5+和python2.7+PyPi安装:pip install evo --upgrade --no-binary evo库安装:git clone https://github.com/MichaelGrupp/evo.gitpip install --editable . --upgrade --no-binary evo2 依赖问题自动安装脚本中已包含,需确认系统是否安装pip以及是否及时更新但安装脚本的依赖有时也不满足依赖版本要求,最安全原创 2020-08-01 09:00:18 · 693 阅读 · 2 评论 -
LidarSLAM(二):hdl_localization与movebase
wait原创 2020-07-23 09:10:15 · 2544 阅读 · 22 评论 -
LidarSLAM(一):NDT
NDT的提出与原理:ICP配准方法前提是环境大部分是不变的,但是完全不变的环境其实也是很少的,比如一辆车飞驰而过,一个人走过等。更多应该考虑的是允许小部分差异的配准,这时候点对点匹配比如ICP就会出现一些问题,而NDT则可以很好地解决细微差别,因为NDT是通过近似正态分布概率来完成匹配的(概率吗就具有了兼容性)。主要步骤为:一个三维空间的正态分布如图所示: 简单理解就是将每一个划分出的网格近似为一个专属的概率分布然后与地图对应网格内的分布求解相似程度...原创 2020-07-23 08:32:43 · 3698 阅读 · 0 评论