qq_42450767的博客

SLAM机器人开发（五）使用Improved_ORBSLAM2进行实时稠密重建在这篇中，我们将使用Improved_ORBSLAM2实时稠密重建。为了完成这一目标，我们需要搭建ROS环境、安装依赖库以及运行ORBSLAM2 App等。

以下是学习ROS机器人开发的系列书籍：如果想全面的了解ROS机器人，推荐1、《ROS机器人开发实践》（作者：胡春旭）如果想深入学习各类ROS机器人控制，推荐《ROS机器人开发：实用案例分析》（作者：卡罗尔·费尔柴尔德）如果想深入学习ROS机器人在移动机械臂、智能驾驶、VR、多机器人协同方面的应用，推荐6、《ROS机器人项目开发11例》（作者：拉姆库玛·甘地那坦 郎坦·约瑟夫）。

SLAM机器人开发（四）Improved_ORBSLAM2算法ORBSLAM算法简介ORBSLAM算法简介

自主导航技术可以使运动载体实时确定自身的位姿和速度，从而引导自身运动的技术，整个导航过程不依赖外部支持。比如，在 GPS 不可靠的情况下，自主导航技术也能够具有可靠的导 航能力。由此可见，自主导航系统的开发是构建运动机器人的主要挑战之一。机器人领域中，自主导航技术主要包括建图定位与路径规划。而近几年成为关注焦点的 SLAM 技术是自主导航技术 中很重要的一项技术。SLAM 技术包括传感器信息读取、里程测量、后端优化、回环检测、实时 建图等部分[2]。自主导航技术中需要实时确定自身的位姿，因此计算里程计是举足

SLAM机器人开发（二）SLAM技术现状激光SLAM2D激光SLAM3D激光SLAM视觉SLAM常见的视觉SLAM视觉SLAM对比视觉SLAM中使用的相机种类视觉SLAM效果图视觉激光融合 SLAM激光SLAM2D激光SLAM激光 SLAM 在 SLAM 技术中是较为传统且成熟的。2D 激光 SLAM 技术需要输入 IMU 数据、 里程计数据和 2D 激光雷达数据，经过计算后输出覆盖栅格地图和机器人轨迹。从 20 世纪 90 年 代 EKF-SLAM 的提出开始，陆续出现了 UKF-SLAM、PF-S

SLAM机器人开发（一）系统框图自主导航与控制模块（上位机）自主导航与控制模块（下位机）自主导航与控制模块（上位机）SLAM机器人自主导航与控制模块是基于 Ubuntu 16.04 和 ROS Kinetic 系统而设计的。 Nav_Control 模块主要由十个节点构成，其中 RealSense node 和 STM32 node 作为 Linux 驱动分别 与 RealSense D415 和 STM32 单片机进行通讯。VO node，即视觉综合里程计模块，是整个 Nav_Control 模块

编译3D-RRT算法时，手动链接ompl的库文件，但是仍报错，把未定义函数注释掉其余可以正常运行。CMakeFiles/3d_rrt.dir/src/3d_rrt.cc.o：在函数‘planner::planner()’中：3d_rrt.cc:(.text._ZN7plannerC2Ev[_ZN7plannerC5Ev]+0x497)：对‘ompl::base::SpaceInformation::SpaceInformation(std::shared_ptr<ompl::base::State

更改pointcloudmapping.cc文件中的变换参数：pcl::PointCloud< PointCloudMapping::PointT >::Ptr PointCloudMapping::generatePointCloud(KeyFrame* kf, cv::Mat& color, cv::Mat& depth){ PointCloud::Ptr tmp( new PointCloud() ); // point cloud is null

ROS系统开发系中使用Qt Creator 作为IDE 管理catkin_make项目1、安装并打开Qt Creator2、导入已有的catkin_make项目管理catkin_make项目使用Qt Creator 管理catkin_make项目，可以更加系统地开发代码包。1、安装并打开Qt Creator本文中使用的是Qt Creator 3.5.1，基于Qt 5.5.1和 GCC 5.2.1。注意，要在终端中打开Qt Creator，不然会报错如下：//直接双击打开Qt Creatorfi