SLAM
一卒2018
拉拉
展开
-
跨设备操作
跨设备操作的理解,主从机配置原创 2022-08-29 11:59:26 · 528 阅读 · 1 评论 -
【无标题】
系列文章目录 提示:这里可以添加系列文章的所有文章的目录,目录需要自己手动添加 TODO:写完再整理 文章目录 系列文章目录前言一、如何区分一阶、二阶及高阶滤波器从电路的角度从数学角度 二、如何区分低通、带通、高通滤波器低通滤波器(LPF)带通滤波器(BPF)高通...原创 2021-11-19 17:41:10 · 487 阅读 · 0 评论 -
使用lego_loam 建图,建立的地图保存成 pcd 格式
主要的步骤:1.录制地图 /laser_cloud_surround 的bag文件在数据集快要播放结束的时候(因为地图是”累积“的,快结束的时候录制/laser_cloud_surround就可以),执行下面指令,录制 /laser_cloud_surround :rosbag record -o out /laser_cloud_surround1然后会在当前目录 生成 out_xxxx.bag 文件,例如out_2020-03-30-18-35-12.bag2.bag 文件转换成 pcd原创 2021-09-23 14:14:40 · 2150 阅读 · 2 评论 -
录制与建图
//录制自己的包source ~/lslidar_ws/devel/setup.bashroslaunch lslidar_c16_decoder lslidar_c16.launch --screenrosrun rviz rvizrosbag record -o ~/bag/mybag.bag out /velodyne_pointsrosbag reindex mybag22_2021-05-19-20-51-08.bagrosbag info mybag22_2021-05-19-20原创 2021-05-20 16:01:35 · 127 阅读 · 0 评论 -
对极约束
重点推荐此博文此文可做参考原创 2020-07-27 15:57:14 · 130 阅读 · 0 评论 -
单应矩阵
单应(Homography)是射影几何中的概念,又称为射影变换。它把一个射影平面上的点(三维齐次矢量)映射到另一个射影平面上直观理解首先:单应矩阵生活中的应用微信扫码,可以不用正对二维码。再者:快速理解单应矩阵单应矩阵理解1:单应矩阵理解2:...原创 2020-07-27 12:09:54 · 168 阅读 · 0 评论 -
视觉SLAM十四讲_安装ROS前提下再安装OpenCV3.1.0
由于之前安装了ORS,其中带有opencv2,现在学习视觉十四讲,需要安装opencv3,2与3会冲突,故写文以了解多版本OpenCV并存。建议:先整体过一遍安装流程,再一步步执行操作。如 系统中之前没有安装opencv版本,可直接参考此博文首先,下载Opencv3.1.0的源码 此处百度云盘链接下载并解压unzip opencv-3.1.0.zip //也可以直接提取文件安装 OpenCV 的依赖项:sudo apt-get install build-essential li原创 2020-07-25 16:57:19 · 594 阅读 · 0 评论 -
ubuntu快捷键
mkdir 目录名 (新建一个文件夹,文件夹在Linux系统中叫做“目录”)touch 文件名 (新建一个空文件)rmdir 目录名 (删除一个空文件夹,文件夹里有内容则不可用)rm -rf 非空目录名 (删除一个包含文件的文件夹)rm 文件名 文件名 (删除多个文件)cp 文件名 目标路径(拷贝一个文件到目标路径,如cp hserver /opt/hqueue)cp -i (拷贝,同名文件存在时,输出 [yes/no] 询问是否执行)c转载 2020-07-25 11:00:15 · 101 阅读 · 0 评论 -
视觉SLAM十四讲_ch2软件Kdevelop
https://blog.csdn.net/qq_27806947/article/details/80119294转载 2020-07-25 10:58:34 · 274 阅读 · 0 评论 -
视觉SLAM十四讲_ch2初识SLAM
视觉十四讲 开篇一:编译器 g++ [ 简单例子的首选 ]能够将一个 .cpp 程序编译成一个可执行文件;g++ 默认把源文件编译成 a.out 这个名字的程序先用编辑器输入了 helloSLAM.cpp的源代码,g++编译器对源码进行编译在.cpp文件通一目录下,右击空白 选中“在终端打开(T)”,打开终端界面并输入:g++ helloSLAM.cpp如果顺利的话,这条命令应该没有任何输出。如果机器上出现“command not found”的错误,说明你可能还没有安装 g++,原创 2020-07-24 17:36:30 · 310 阅读 · 0 评论 -
【机器学习实战】
https://blog.csdn.net/weixin_38705903/article/details/79238313转载 2020-07-23 13:07:51 · 81 阅读 · 0 评论 -
激光SLAM | SuMa++:基于激光雷达的语义SLAM
论文题目:SuMa++:Efficient LiDAR-based Semantic SLAM一、摘要可靠的高精度定位和建图是自动驾驶系统的关键环节。除了高精度的几何信息以外,地图中还应该包含语义信息,以为载体的智能行为提供依据。但在实际环境中,移动物体的存在会使建图过程变得更加复杂,因为它会污染地图并影响定位效果。在这篇文章里,我们在传统基于曲面建图(surfel based mapping)方法的基础上,增加语义信息的融合以解决上面提到的问题。语义信息的提取是通过神经网络完成的,该网络对点云中所有的转载 2020-07-21 10:18:29 · 1462 阅读 · 0 评论 -
语义SLAM的未来与思考
相比典型的点云地图,语义地图能够很好的表示出机器人到的地方是什么,机器人“看”到的东西是什么。比如进入到一个房间,点云地图中,机器人并不能识别显示出来的一块块的点云到底是什么,但是语义地图的构建可以分辨出厨房中的锅碗瓢盆,客厅的桌子沙发电视机等。所以语义地图的构建,对于SLAM研究有着很重大的意义。本文和大家一起切磋小叙一下语义SLAM 的未来。1 何为语义地图一直以来,构建语义地图都是一个大家都一致认同的发展方向,主要原因有以下两点:❶ 目前视觉SLAM方案中所采用的图像特征的语义级别太低,造成特征转载 2020-07-20 19:41:50 · 2051 阅读 · 0 评论 -
什么是高精度地图的语义信息
高精度地图是自动驾驶不可或缺的部分,近年来随着更高级别自动驾驶的研发以及更高安全要求的提出,自动驾驶对高精度地图要求越来越高,粗略算起来,高精地图也大致经历了三个阶段:早期无人车采用循迹的方式,先用一辆车跑一遍然后把每一个坐标点全记下来,自动驾驶的时候不能偏离这个轨迹;第二代高精地图开始采用激光雷达来对物理世界做比较精细的还原,但这个数据量太大。因此为让无人车在决策时能更贴近人对环境的理解方式,第三代高精地图即语义高精地图的需求产生了。高精度地图语义信息是什么?都说高精度地图中包含有丰富的语义信转载 2020-07-20 18:24:02 · 1948 阅读 · 0 评论