相机内参标定,相机和激光雷达联合标定 成像过程:四个坐标系如下图所示:世界坐标系(world coordinate system):现实世界的三维坐标系,是现实世界的物理模型,单位为m。相机坐标系(camera coordinate system):以镜头硬件的光电系统为基础,建立的坐标系,为了从相机的角度描述物体位置而定义,首先建立相机的坐标系,作为沟通现实世界和图像/像素坐标系的中间桥梁,单位为m;世界坐标系到相机坐标系只涉及旋转和平移,所以是刚体变换,不涉及形变。世界坐标系 —> 相机坐标系绕Z轴旋转的坐标关系如下:所
IMU预积分学习 几种不同的表达形式:1、lio-mapping:参考大佬:lio-mapping 及 VINS-Mono代码及理论推导(2)—— pre_integration2、lio-sam:3、多传感器融合课:
Ubuntu20.04编译并运行imu_utils,并且标定IMU Ubuntu20.04编译并运行imu_utils,并且标定IMU一、编译并运行imu_utils1、安装依赖项2、下载imu_utils和code_utils2.1、code_utils编译一、编译并运行imu_utils1、安装依赖项sudo apt-get install libdw-dev2、下载imu_utils和code_utilsimu_utils下载地址为:https://github.com/gaowenliang/imu_utilscode_utils下载地址为:http
EVO应用于SLAM评估轨迹学习汇总 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
KITTI数据集Raw Data与Ground Truth序列00-10的对应关系,以及对应的标定参数 一、KITTI官方提供的真值下载地方网站:Visual Odometry / SLAM Evaluation 2012具体位置:Download odometry ground truth poses (4 MB)下载后文件如下:这里有序号00-10,共11个真值数据(内数据是KITTI格式的)二、对应关系各文件与KITTI数据集Raw Data的对应关系如下:参考大佬:kitti数据集 Raw Data与00-10 Ground Truth的对应关系11个文件的参考轨迹,可以看另
在Ubuntu20.04系统上LIO-SAM跑KITTI数据集和自己数据集代码修改 LIO-SAM跑KITTI数据集和自己数据集代码修改参考文献参考文献1、ubuntu18运行编译LIO-SAM并用官网和自己的数据建图(修改汇总)2、LIO-SAM运行自己数据包遇到的问题解决–SLAM不学无数术小问题3、使用开源激光SLAM方案LIO-SAM运行KITTI数据集,如有用,请评论雷锋.........
一起做激光SLAM[四](补充说明) 原文章一起做激光SLAM[四]常见SLAM技巧使用效果对比,后端在原作者的odometry.cpp文件中,话题“velodyne_cloud_map”输出的点云信息用于后端的scan2map操作,但是作者对该点云信息进行了TransformToStart的操作(即:将当前帧点云变换到上一帧坐标系下),为觉得这个操作是多余的,并且事实证明也确实降低了建图精度,相关代码如下:TransformToStart(&laserCloudIn_plane.points[i], &point_i
一起做激光SLAM[三](补充说明) 原文章一起做激光SLAM[三]位姿估计,ceres优化,地图构图此处将a点(当前帧的一个点云点),依据上一帧与当前帧的相对位姿(R、t),转换到上一帧。做相关说明(此原理在aloam的laserOdometry.cpp也有体现)具体说明当前帧相对于上一帧的相对位姿用R和t表示;上一帧相对于上上帧的相对位姿用R_last和t_last表示。当前帧的一点设为点a,在上一帧中的对应点设为a‘(对不对应不好说,依据的是运动模型的位姿变换所得)。1、此教程中,用ceres求解的目的就是寻求当前帧