![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
多传感器融合
文章平均质量分 88
多传感器融合SLAM和定位学习
SLAM||DUNK
这个作者很懒,什么都没留下…
展开
-
平面运动机器人的传感器外参标定
对任意两个传感器进行外参标定可以采用手眼标定算法来完成,但是,传统手眼标定算法对于运动具有一定的要求,可以证明,才可以正确估计出外参旋转,因此,如果使用手眼标定算法标定外参,例如标定imu与激光雷达、imu与相机、多激光雷达的外参… 那么需要充分的全方位空间的旋转和平移运动,才可以成功完成标定。但是如果机器人是处于平面运动的地面机器人呢?原创 2023-11-10 18:47:57 · 723 阅读 · 0 评论 -
一种简单高效的IMU姿态解算方法
(2)、陀螺仪短时间准确,而长时间有累计误差,加速度计短期噪声大,而长期比较准确,因此,将校正的时间间隔作为权重的考量因素,时间过的越久,就越不相信陀螺仪的结果,而更相信重力观测的结果。(3)、除了模长外,还要考虑由重力和陀螺仪单独恢复出来的姿态角之间的差异,校正只在两个姿态角接近的时候执行,因为,在重力观测可靠时,重力恢复的姿态角和陀螺仪恢复的姿态角之间的误差很小,而当这个误差很大时,大概率是由与剧烈运动所产生的加速度噪声引起的,因此过滤掉。静止时,可以看到加速度解算的结果有很大的噪声。原创 2023-08-10 00:03:08 · 682 阅读 · 0 评论 -
ESKF中关于状态reset的一些理解
ESKF原创 2022-12-10 15:21:11 · 702 阅读 · 1 评论 -
LIO-livox - 激光IMU初始化模块分析
激光惯性初始化原创 2022-09-29 02:24:23 · 1615 阅读 · 4 评论 -
VIO 之 视觉IMU紧耦合优化
先看单目solveOdometry()void Estimator::solveOdometry()void Estimator::solveOdometry(){ if (frame_count < WINDOW_SIZE) return; if (solver_flag == NON_LINEAR) { TicToc t_t...原创 2020-04-04 02:36:29 · 2428 阅读 · 0 评论 -
多激光雷达的在线外参标定
MLOAM源码要点总结1、简介2、算法流程3、主要问题1、简介MLOAM是港科大刘明教授团队开源的多激光雷达里程计方案,其主要特色为:1、多激光雷达的外参在线标定。2、基于滑动窗口优化的多激光融合运动估计。2、算法流程1、标定模式2、里程计模式(1)、仅仅利用参考激光雷达(IDX_REF)的数据计算粗略的帧间里程计(2)、对每个激光雷达的激光数据进行降采样,并存放与:corner_points_stack_中(3)、滑动窗口窗口优化 optimizeMap()滑窗中优化的状态主要有:原创 2022-02-20 19:14:12 · 2421 阅读 · 3 评论 -
基于卡尔曼滤波器融合的激光IMU激光里程计学习
主要学习的是港科大今年开源的LINS算法.该算法是直接在lego上面改的,主要针对的还是16线激光.算法主要的核心是在激光里程计节点, 只需要重点学习这部分就可以了.原创 2020-06-21 17:17:55 · 3966 阅读 · 1 评论 -
基于因子图优化的激光IMU融合SLAM学习
因子图优化激光&IMU融合激光特征的处理IMU的处理GPS的处理主要学习今年最新开源的LIOSAM.LIOSAM 点云预处理与特征提取的环节的分析见这里 legoloam系列算法之点云处理与特征提取这里主要学习的是在提取了激光特征后, 融合IMU, GPS 实现激光里程计的方法, 虽然LIOSAM也是具有回环的, 但是用的方法基本和legoloam一样, 所以重点就放在 激光里程计上.梳理一下主要文件:关于IMU的融合主要在src/imuPreintegration.cpp中完成.接原创 2020-12-21 02:09:24 · 4773 阅读 · 3 评论 -
手写VIO代码解析(1) -IMU
IMU欧拉角欧拉角与旋转矩阵的转换欧拉角速度与body角速度的转换IMU模拟数据的产生IMU运动学模型欧拉积分中值积分欧拉角欧拉角是一种表达姿态的方法,一般常用的欧拉角是ZYX,表示先绕Z轴旋转(yaw),再绕Y轴旋转(pitch)。再绕X轴旋转(roll),如果世界坐标系能够通过某个欧拉角旋转使之与body坐标系重合,那么就可以用该欧拉角表达body坐标的姿态。欧拉角与万向锁万向锁视频...原创 2020-08-10 16:19:08 · 845 阅读 · 0 评论