slam
文章平均质量分 69
戳我啊你
爱编程爱自动化的机械人
展开
-
ORB-SLAM2 轨迹保存与ros::spin()相关问题(ctrl+c无法退出ros::spin()并进行轨迹保存,而是错误的直接退出主程序)
ORB-SLAM2 轨迹保存与ros::spin()相关问题(ctrl+c无法退出ros::spin()并进行轨迹保存,而是错误的直接退出主程序)原创 2023-05-22 12:50:08 · 615 阅读 · 0 评论 -
R2LIVE和R2LIVE论文分析
R2LIVE和R2LIVE论文分析原创 2022-05-30 09:15:53 · 1080 阅读 · 0 评论 -
PL_VINS
1.概述PL_VINS是一个基于点线识别的实时的单目惯性里程计。在VINS_MONO的基础上,加入了线特征,提升了性能。2.系统构成a.计算预处理PL_VINS的初始线程,提取相机和IMU的raw information,并进行对齐。图像:对每一帧图像中的点、线特征进行识别并跟踪。使用Shi-Tomasi检测点特征,KLT跟踪,基于RANSAC的对极几何进行优化。线:优化LSD提取线特征,LBD算法跟踪提取描述子,KnnMatch匹配。IMU:陀螺仪和加速度计的数据处理方法与原创 2022-03-16 15:30:02 · 1104 阅读 · 0 评论 -
SLAM14讲 ch13 双目里程计 代码结构
SLAM14讲 ch13 双目里程计 代码结构头文件功能Algorithm.hSVD的三角化backend.h后端优化,map更新时进行优化config.hset配置文件,获得配置数据dataset.h数据集读取dataset_dirfeature.h获得2D特征点,并关联地图点frame.h分配ID,建立关键帧frontend.h前端,估计当前帧位姿,并想后端加入满足条件的关键帧进行优化map.h地图,前端插入帧和地图点,后端原创 2021-07-07 23:23:17 · 358 阅读 · 0 评论 -
ORB_SLAM3 论文归纳
ORB_SLAM31. 综述ORB_SLAM是第一个支持视觉,视觉惯导和多地图的slam系统(单目,双目,RGB-D)(pin-hole和fisheye)亮点一:基于特征的紧耦合视觉惯导系统(基于最大后验估计)—优点:系统在实时,大小场景以及室内外环境下都有很好的鲁棒性,且整体精确度更高亮点二:基于新位置识别的方法实现多地图系统(multiple map system)—优点:丢失后,可与之前时刻的地图进行融合,能利用更早时刻的地图信息结果:stereo-inertia slam 3.6cm E原创 2021-07-01 15:04:29 · 266 阅读 · 0 评论 -
Road_slam论文阅读及理解
Road_slamRoad_slam是一种通过相机获得鲁棒的路面标志信息,并将得到的路面标志进行分类。使用路面标志作为回环检测的依据,将路面标志以及车道线作为sub-mapsub-map可以理解为包含路面标志或是车道线的具有辨识性的一系列map使用随机森林的方法提高了sub-map匹配的准确性最终结果即为比较SLAM与RTK-GPS的数据的结果此方法的平均全局准确度为1.098m(4.7km测试路线)sub_map构建大致流程stero camera获得弹幕图像通过更新相机与地面的角原创 2021-06-14 15:31:49 · 533 阅读 · 2 评论 -
GVINS学习笔记及心得
初始化(GNSS与VIO融合)GNSS初始化(coarse-to-fine)GNSS 初始化决定了state的预测结果在线初始化可以从任意情况下恢复初始stateanchor point 的局部和全局坐标已知(用于GNSS 全局系和VIO的局部系融合)前提: a. VIO系统已经完成初始化,如重力向量,初始速度,初始IMU bias,尺度)b. 局部地图系上的光滑轨迹可用于GNSS-VI 的初始化步骤:a. Coarse anchor point localization: 使用GNSS原创 2021-06-12 16:39:07 · 2670 阅读 · 3 评论 -
VINS-mono 论文阅读 笔记
VINS-mono 论文 笔记1.VINS (visual-inertial system)-robust-versatile2.单目相机 无法还原 尺度信息解决: 使用IMU3.VINS优点:有尺度信息roll,pitch angles提升动态追踪表现(克服光照,低纹理条件,运动模糊等因素)缺点: 测量加速度, estimators无法从静态开始非线性,难初始化需要校准两个传感器4.VINS-mono (visual-inertial state estimator)-原创 2021-04-14 21:26:43 · 407 阅读 · 0 评论 -
ORB-SLAM2中LoopClosing线程主要流程梳理
LoopClosing线程主要工作是两个:一个是对当前新到来的关键帧进行闭环检测,看看之前的关键帧中哪个和当前关键帧形成闭环;另一个是纠正闭环,就是在检测到闭环的时候要将当前关键帧和闭环关键帧的位姿拉到一起,形象点说就是进行融合(既然都存在闭环了,那肯定得合并啊)。 一、闭环检测DetectLoop 1.从关键帧列表中获取列表头的关键帧,也就是获取最新插入到LoopClosing线程的关键帧,并判断当前关键帧是否距离上次关键帧闭环检测的帧之间大于10帧,大于10...转载 2021-04-12 09:50:02 · 457 阅读 · 0 评论 -
ORB-SLAM2中LocalMapping线程主要流程梳理
一、LocalMapping线程简述 在ORB-SLAM2当中,LocalMapping作为一个线程在系统启动后就一直在运行,只是在Tracking线程“生产出”新的关键帧并插入到LocalMapping线程中的mlNewKeyFrames列表后,LocalMapping线程检测到该列表中有关键帧后开始处理这些新插入的关键帧(CheckNewKeyFrames函数用来检测mlNewKeyFrames中是否有关键帧),没有关键帧插入的时候LocalMapping线程...转载 2021-04-12 09:47:22 · 337 阅读 · 0 评论 -
ORB-SLAM2中Tracking线程主要流程梳理
Tracking线程中首先加载图片帧数据集,接着从图片帧中提取ORB特征点,后边就是初始化部分,初始化完成后就是跟踪部分。本篇笔记对初始化部分和初始化完成后的部分进行如下简单梳理。 一、初始化部分: 1.首次进入初始化 对于当前帧中关键点数>100的帧,用该帧来构造初始化帧和上一个帧; 并记录当前帧中关键点的坐标值,用于下一帧进来的时候进行特征点匹配; &nbs...转载 2021-04-12 09:43:23 · 518 阅读 · 0 评论 -
ORB_SLAM2 frame.cc 中 实现去畸变函数 (UnditortPoints)
frame.cc 中 实现去畸变函数 (UnditortPoints)此函数常作用于稀疏点集的去畸变src: 输入的图像点坐标 2xN/Nx2 1-channel or 1xN/Nx1 2-channel (CV_32FC2 or CV_64FC2) (or vector )dst: 输出的去畸变之后的坐标 1xN/Nx1 2-channel or vectorcameraMatrix: 相机内参矩阵distCoeffs: 相机畸变系数void Frame::UndistortKeyPoin原创 2021-04-10 13:40:42 · 510 阅读 · 0 评论