![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
SLAM
文章平均质量分 89
poplar1993
这个作者很懒,什么都没留下…
展开
-
ros navigation 中的amcl编译和运行
ros 中的navigation可以根据机器人自动实现路径规划,自主定位。其中的amcl实现了一种基于蒙特卡洛的粒子滤波定位方法。本文测试环境为ubuntu18.04 + ros melodic。1. ros安装详见官方网站安装步骤:http://wiki.ros.org/melodic/Installation/Ubuntu2. navigation 安装...原创 2021-08-06 16:57:27 · 2342 阅读 · 1 评论 -
CamVox SLAM 论文翻译和总结
CamVox SLAM翻译和总结论文: Zhu Y, Zheng C, Yuan C, et al. Camvox: A low-cost and accurate lidar-assisted visual slam system[J]. arXiv preprint arXiv:2011.11357, 2020.(ICRA 2020)git目录CamVox SLAM翻译和总结前言一、pandas是什么?二、使用步骤1.引入库2.读入数据总结前言提示:这里可以添加本文要记录的大概内容:例如:随着原创 2021-07-26 16:02:33 · 504 阅读 · 1 评论 -
Loam livox 论文翻译和总结
Loam livox 论文翻译和总结欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入论文链接: Lin J , Zhang F . Loam livox: A fast, robust, h原创 2021-07-07 14:35:09 · 999 阅读 · 0 评论 -
Real-Time Loop Closure in 2D LIDAR SLAM 翻译和总结(二)
5.2 分支定界扫描匹配像素级(pixel-accurate)匹配优化公式为:ξ∗=argmax(ξ∈ω)∑k=1KMnearest(Tξhk)(BBS)\xi^*= argmax(\xi \in \omega)\sum_{k=1}^KM_{nearest}(T_\xi h_k) \tag{BBS}ξ∗=argmax(ξ∈ω)k=1∑KMnearest(Tξhk)(BBS)上式中ω\omegaω表示搜索窗口,MnearestM_{nearest}Mnearest是将转换后的坐标M拓展到原创 2020-07-01 14:00:41 · 1409 阅读 · 0 评论 -
Real-Time Loop Closure in 2D LIDAR SLAM 翻译和总结(一)
Hess W , Kohler D , Rapp H , et al. Real-Time Loop Closure in 2D LIDAR SLAM[C]// 2016 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2016.此篇论文是谷歌的cartographer激光原创 2020-06-25 21:44:52 · 2090 阅读 · 2 评论 -
Real-Time Correlative Scan Matching 翻译和总结
Olson E B . Real-time correlative scan matching[C]// Robotics and Automation, 2009. ICRA '09. IEEE International Conference on. IEEE, 2009.此为谷歌开源的cartographer激光雷达扫描系统的参考文献之一,系统中前端的scan to submap和后端的回环优化部分都使用correlation scan matching作为laser scan的匹配思想和策略。属于原创 2020-06-19 13:58:06 · 1923 阅读 · 0 评论 -
Efficient Sparse Pose Adjustment(SPA) for 2D Mapping 翻译和总结
Konolige K , Grisetti G , Rainer Kümmerle, et al. Efficient sparse pose adjustment for 2D mapping[C]// 2010 IEEE/RSJ International Conference on Intelligent Robots and Systems. IEEE, 2010.这是一篇讲解2D建图中的高效稀疏矩阵图优化的一篇文章,谷歌的cartographer激光slam中的位姿图优化主要便是基于思想来实现的原创 2020-05-24 12:29:45 · 5298 阅读 · 1 评论 -
MSCKF2.0(Mingyang Li-IJRR2013) 论文要点总结
论文:Li M, Mourikis A I. High-precision, consistent EKF-based visual-inertial odometry[J]. The International Journal of Robotics Research, 2013, 32(6): 690-711.原创 2019-12-03 13:27:48 · 2706 阅读 · 1 评论 -
本质矩阵、基础矩阵和单应矩阵的区别
本质矩阵本质矩阵建立的是同一个投影点在两个归一化成像平面上的齐次坐标间的约束,约束关系具体见下:paTEabpb=0p_a^TE_{ab}pb = 0paTEabpb=0上式中的EabE_{ab}Eab为本质矩阵,pa/b=[xa/bya/b1]Tp_{a/b} = [x_{a/b} y_{a/b} 1]^Tpa/b=[xa/bya/b1]T,表示相机归一化成...原创 2019-04-04 17:19:36 · 2080 阅读 · 0 评论 -
Cartographer SLAM——submap的建立过程(一)
Cartographer 3D中submap的建立过程1. LocalTrajectoryBuilder3D::AddRangeData()1) 激光点云原始数据的时间同步2) 检查是否已经经过了基于IMU的姿态初始化,主要通过检测当前帧开始时间和上一帧pos的时间判断:1. LocalTrajectoryBuilder3D::AddRangeData()接口具体为:std::unique...原创 2019-05-26 12:56:33 · 5629 阅读 · 0 评论 -
Cartographer SLAM——submap的建立过程(二)
Cartographer 3D中submap的建立过程2.LocalTrajectoryBuilder3D::AddAccumulatedRangeData2.LocalTrajectoryBuilder3D::AddAccumulatedRangeData此函数对转换到local系下的激光点云数据进行下一步处理,主要是基于submap的匹配和位姿优化,并插入submap。std::uniq...原创 2019-05-26 13:39:47 · 2742 阅读 · 0 评论 -
VTK安装错误解决办法,点云拼接中所遇
原文链接:https://www.cnblogs.com/sincere-diligence/p/9336045.html我尝试了第一种方法,无效。然后试了第二种方法可行 1 -- Found OpenNI2: /usr/lib/libOpenNI2.so 2 ** WARNING ** io features related to pcap will be disable...转载 2019-05-17 14:47:22 · 1135 阅读 · 0 评论 -
MSCKF(Multi-State Constraint Kalman Filter-2006) 论文要点总结(一)
论文:Mourikis A I , Roumeliotis S I . A Multi-State Constraint Kalman Filter for Vision-Aided Inertial Navigation[J]. 2007.下面主要对该论文的重点内容进行记录、总结,可能会涉及部分自己的理解。...原创 2019-09-09 16:52:21 · 1028 阅读 · 0 评论 -
MSCKF(Multi-State Constraint Kalman Filter-2006) 论文要点总结(二)
MSCKF(Multi-State Constraint Kalman Filter) 论文总结(一)论文:Mourikis A I , Roumeliotis S I . A Multi-State Constraint Kalman Filter for Vision-Aided Inertial Navigation[J]. 2007.下面主要对该论文的重点内容进行记录、总结,可能会...原创 2019-09-11 21:33:49 · 868 阅读 · 0 评论 -
MSCKF(Multi-State Constraint Kalman Filter-2006) 论文要点总结(三)
1.6 讨论附录**原创 2019-09-23 17:32:11 · 906 阅读 · 0 评论 -
ORB-SLAM-Mono论文要点总结(六)——— 附录-非线性优化 Nonlinear Optimizations
非线性优化BA优化[1]地图点的3-D位置坐标为Xw,j∈R3X_{w,j}\in R^3Xw,j∈R3,关键帧位姿变换Tiw∈SE(3)T_{iw}\in SE(3)Tiw∈SE(3)(变换空间)。基于相似变换空间Sim3约束的位姿图优化相对相似变换优化...原创 2019-03-13 13:40:23 · 303 阅读 · 0 评论 -
ORB-SLAM-Mono论文要点总结(五)——— 回环检测Loop Closing
回环线程主要使用局部建图处理的最后一个关键帧KiK_iKi去进行检测和回环,具体步骤见下:原创 2019-03-13 13:33:10 · 751 阅读 · 0 评论 -
ORB-SLAM-Mono论文要点总结(二)——地图初始化
四、地图自动初始化12模型选择:如果场景是平坦的,接近平坦或者存在很低的视差,其可以通过单应矩阵构建。此时也可以建立基础矩阵,但是这样的话问题不能得到很好的约束,而且去尝试从基础矩阵恢复相机运动信息可能会产生错误的结果。我们应该选择单应矩阵,因为从一个平坦的场景可以正确地完成初始化场景重建,否则(基于基础矩阵方法?)在检测到低视差场景时会拒绝初始化。另一方面,一个有足够视差的非平...原创 2020-03-13 14:35:20 · 384 阅读 · 0 评论 -
金字塔Lucas Kanada特征(光流)跟踪算法 ——翻译/学习-笔记(1)
源论文:Pyramidal Implementation of theLucas Kanade Feature Tracker Description of the algorithm1. 问题描述I和J分别表示两幅灰度图。I(x) = I(x, y) 和J(x) = J(x, y)分别是两幅图像上位置为[x, y]T处像素点x的灰度值,x和y分别为该点的像素坐标。令I为第一幅图像,J为第二幅...原创 2018-05-24 15:06:00 · 8547 阅读 · 0 评论 -
MYNT EYE 小觅摄像头的samples启动,以及摄像头初始化
1、$ sudo apt-get install libssl-dev libv4l-dev v4l-utils 安装时可能会出现依赖库版本不对等装不上, 可以使用 : $ sudo aptitude install libssl-dev libv4l-dev v4l-utils 选择降级方案进行安装。2、在Build SDK Samples步骤里 $ ./samp...原创 2018-06-15 18:49:07 · 3326 阅读 · 0 评论 -
SLAM,SLAM+IMU的状态估计问题描述-个人理解
1、状态估计问题令状态变量为x = {x1、x2、x3...}观测变量为z = {z1、z2、z3...}状态估计问题等同于求解条件概率分布:P(x|z),在当前观测状态z下的状态x分布,也就是最可能的状态是什么由贝叶斯法则可知道:x = arg (max( p(z|x) ) )为最大似然估计,也就是似然估计的最大值,表示在哪种当前的状态x下最容易产生当前的观测;p(x)...原创 2018-09-09 22:40:12 · 3519 阅读 · 0 评论 -
VINS-Mono论文要点总结(二)——初始化过程
初始化A. 滑动窗口里的SFMB. 视觉惯性对准1. 陀螺零偏标定2. 速度、重力和尺度初始化3. 重力矢量修正原创 2019-01-24 19:42:43 · 644 阅读 · 5 评论 -
ORB-SLAM2 论文要点总结
ORB-SLAM2 论文要点总结一、创新点第一个开源并支持单目、双目、和RGB-D相机的SLAM系统,包含回环检测、重定位和地图复用(支持使用预置的环境地图或者之前建立的地图);基于BA优化,与目前前沿的一些基于最近点迭代(ICP)、光学和深度误差最小化等方法相比,实现了更高的精度;通过同时使用远处和近处的双目点、以及单目观测,与直接双目法相比,精度更高;在不能有效建图区域,采样一种轻...原创 2019-01-21 15:59:08 · 1456 阅读 · 0 评论 -
VINS-Fusion运行时的段错误(核心已转储)解决方法
平台:ubuntu16.04 + ROS问题描述:前两天VINS的原作者开源了VINS-Fusion的双目版以及给出了和GPS融合的一个demo,所以试着运行下数据集。每次单目运行10s左右,双目1-2s时VINS的vins_node节点便会出现“断错误(核心已转储)”导致程序中断,其他RVIZ和数据发送节点都正常。问题解决路径:1、起初在网上查询段错误的解决方法,大部分都指明与内存有...原创 2019-01-16 10:31:24 · 5773 阅读 · 5 评论 -
VINS-Mono 论文要点总结(一)——IMU预积分
VINS-Mono 论文要点总结摘要组成:单目相机+ MEMS-IMU算法:基于有界滑动窗口迭代进行估计;基于滑动窗口里的关键帧维持视觉结构,基于关键帧之间的IMU进行预积分维持惯性测量;系统在以下方面较为鲁棒:未知状态的初始化、相机和IMU外参数的在线标定、球面不统一重投影误差、回环检测、四自由度位姿图优化(三位置和航向)。概述线程1:前端:对每幅图像均提取、跟踪特征点、...原创 2019-01-22 18:04:32 · 1215 阅读 · 0 评论 -
VINS-Mono论文要点总结(三)——紧耦合单目VIO
目录紧耦合单目VIOA. 公式B. IMU模型C. 视觉模型D. 边缘化E. 相机速率下的状态估计—只移动的视觉惯性BA优化F. IMU速率的状态估计—IMU前向传播G. 失败检测与恢复...原创 2019-01-28 16:45:35 · 1018 阅读 · 0 评论 -
VINS-Mono论文要点总结(四)——重定位
重定位A. 回环检测B. 特征检索C. 紧耦合重定位原创 2019-01-29 16:57:18 · 2073 阅读 · 0 评论 -
VINS-Mono论文要点总结(五)——全局位姿图优化
全局位姿图优化A. 位姿图中添加关键帧B. 4自由度位姿图优化C. 位姿图管理原创 2019-02-13 16:40:13 · 2767 阅读 · 5 评论 -
ORB-SLAM-Mono论文要点总结(一)——系统概述
ORB-SLAM论文要点总结一种基于特征识别的通用且精确单目SLAM系统一、简介文章基于PTAM的主要思想、Place recognition、scale-aware loop closing和大场景共视图设计ORB单目SLAM系统。创新点:所有任务均使用相同的特征(ORB):追踪,建图,重定位和回环检测。这使得系统更高效、简单和可靠;在大环境可实时运行。基于共视图可聚焦于局部共视区...原创 2019-02-19 18:10:41 · 636 阅读 · 0 评论 -
ORB-SLAM-Mono论文要点总结(三)——跟踪Tracking
这一部分总结跟踪线程的步骤,相机出的每张图像都会进行跟踪。在其他步骤提到的相机位姿优化,主要是只运动的BA, 这在附录里进行了详细描述。下面主要总结跟踪线程涉及的步骤:ORB特征提取使用刻度系数1.2在8个层级上提取FAST角点。对于像素在512384 ~ 752480间的图像,作者认为适合提取1000个角点。基于前一帧的初始位姿估计基于全局重定位的初始位姿估计跟踪局部地图新关键帧判...原创 2019-03-10 18:59:37 · 251 阅读 · 0 评论 -
ORB-SLAM-Mono论文要点总结(四)——— 局部建图LocalMapping
这一部分,主要总结了局部建图线程对每个新关键帧KiK_iKi进行的操作步骤。关键帧插入首先,更新共视图,为新的关键帧KiK_iKi增加新的节点,而且基于和其他关键帧共享的地图点更新对应的边。接着更新旋转树,连接KiK_iKi和共视最多地图点的关键帧。下一步计算该关键帧的词袋表达,存储于数据库中将有助于三角化新的地图点。最近的地图点筛选为了在地图中保留下来,这些地图点必须在创建之后的...原创 2019-03-10 22:56:50 · 414 阅读 · 0 评论 -
关于相机内参中的焦距fx和fy(两个焦距)
http://www.cnblogs.com/zipeilu/p/6658177.html上述链接说的比较清楚明白!转载 2018-05-16 16:57:19 · 13663 阅读 · 0 评论