![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
自动驾驶和机器人学习和总结专栏汇总
文章平均质量分 87
goldqiu
深圳大学一枚在读研究僧,专业控制工程,聚焦人工智能,自动驾驶,无人车,无人机等行业。
展开
-
五. 激光雷达建图和定位方案-开源SLAM
针对此问题,Fast-Lio 采用的新的卡尔曼增益计算方法,需要求逆的矩阵的规模仅与状态量的规模相关,而非观测的规模。Fast-Lio 兼容旋转式机械激光雷达和 Livox 固态激光雷达,首先对点云做特征提取,并用 IMU递推对特征点做去畸变,然后将激光观测和 IMU预测放到 iESKF 中估计当前时刻的 Position、Velocity、Orientation、Bias 和 Gravity 18维度状态量,所有这些状态量都是位于世界坐标系下的。发布优化后的雷达里程计,包括增量的;然后就认为形成了回环。原创 2023-10-17 20:01:18 · 663 阅读 · 0 评论 -
五. 激光雷达建图和定位方案-算法工具
多传感器中有作为状态预测也有作为状态观测的,通过设计一个状态估计模型(滤波或者优化),将预测和观测信息结合起来通过批量优化或滤波递归的方式不断更新机器人的状态,主要就是融合多传感器预测和观测信息的不确定性或协方差或置信度,对状态进行一个评估、融合,估计得到一个更加高确定性、协方差更小、置信度更高的一个状态。预测的状态协方差 = 状态转移矩阵乘上一时刻的状态协方差(最优)+输入噪声 (因为有噪声的存在,所以在IMU预测过程中,状态协方差是不断增大的,即预测的状态信息是越来越不可信的)即预测和观测的加权组合。原创 2023-10-17 19:58:07 · 475 阅读 · 0 评论 -
五. 激光雷达建图和定位方案-基础概念
李代数加小量(李代数直接加小量,然后加反对称符号,再指数变换到李群)等于原来的李群左乘一个新的李群,即李代数小量左乘左雅可比矩阵再取反对称符号,指数变换到李群;• 旋转矩阵称为SO3群,变换矩阵称为SE3群 • SO3群的李代数记为so3,实际上就是旋转矢量 • SO3到so3的映射称为指数和对数映射,实际即为旋转矢量到旋转矩阵的转换公式。意义为:t0时刻车辆的姿态为R(t0),经过∆t时间的角速度变换后,车辆的姿态为原来的姿态右乘一个李群,即对角速度乘∆t求指数变换。原创 2023-10-17 19:51:48 · 332 阅读 · 0 评论 -
五. 激光雷达建图和定位方案-引言
在SLAM任务中,也就是建图和定位一起的任务中,我们可以在前端采用滤波,后端采用优化的方式来做;这里我们用IMU的测量做预测,用其他来做观测,主要有雷达自身的里程计、雷达当前帧和全局地图的点云匹配、GNSS全局观测、轮速计等,这些都可作为滤波器的观测,一起估计一个更加可靠的位姿。(PS:而如果没有雷达里程计和全局地图的点云匹配,只有GNSS全局观测,那么就是一个GINS系统,也就是组合导航,其实是一样的,求解的状态变量都是一致的,都是三个维度的位置、速度、旋转、角速度零偏、加速度零偏和重力加速度;原创 2023-10-17 19:48:43 · 687 阅读 · 0 评论 -
自动驾驶和机器人学习和总结专栏汇总
汇总如下:一. 器件选型心得(系统设计)--1_goldqiu的博客-CSDN博客一. 器件选型心得(系统设计)--2_goldqiu的博客-CSDN博客二. 多传感器时间同步方案(时序闭环)--1三. 多传感器标定方案(空间同步)--1_goldqiu的博客-CSDN博客三. 多传感器标定方案(空间同步)--2三. 多传感器标定方案(空间同步)--3四. 点云着色(真彩点云)方案原创 2023-07-28 16:06:48 · 1086 阅读 · 0 评论 -
四. 点云着色(真彩点云)方案
其中:这里其实就是将分类后的图像(分成三块,安全、一般安全、不安全区域)的点变换到雷达点上,使雷达点带有RGB信息,同时这个RGB也是带有一定的语义信息,或者说是通行性信息。可以看到着色后的雷达点其实还是在yaw角上有一定的错位的,这说明没有标定好。(ps:这是我们去年的实验截图)原创 2023-07-28 16:05:27 · 868 阅读 · 0 评论 -
三. 多传感器标定方案(空间同步)--3
在车辆运行期间,动态修正传感器之间的相对位姿参数。与离线标定不同,在线标定不能摆场景(如标定板),因此难度更大。原创 2023-07-28 16:02:40 · 299 阅读 · 0 评论 -
三. 多传感器标定方案(空间同步)--2
先是PnP问题:2d还原3d的过程。求解的目标函数就是:3D点投影到像素平面的UV值和本身像素平面UV值的误差,使之最小;进而求解出变换矩阵T。这样我们就可以得到两个相机对应的两组3D点了。然后:类似于ICP,两组3D点求解之间的变换矩阵。目标函数是第一组3D点与变换过来的第二组3D点之间的误差,使之最小,求得变换矩阵T。原创 2023-07-28 15:55:26 · 258 阅读 · 0 评论 -
二. 多传感器时间同步方案(时序闭环)--1
即选取一段有合适标志物(如广告牌)的道路场景,在激光雷达和相机外参已经标定好的前提下,在一段时间序列下对这个场景进行成像(包含广告牌等合适标志物),将∆t 作为时间域上的外参,在空间外参已知的情况下将三维点云投在二维平面上,或者将二维图像对应三维空间的点转换到三维空间上,然后两个传感器对这个标志物在二维或三维上有了成像的结果,就可以构建误差代价函数,求解的参数为∆t。• 存在系统上电时间误差,即单片机输出秒脉冲是在系统上电后,会有很小的上电延迟,不像组合导航的秒脉冲是严格对齐到原子钟的。原创 2023-07-28 15:40:16 · 563 阅读 · 0 评论 -
三. 多传感器标定方案(空间同步)--1
(1)自车坐标系到相机坐标系(2)相机坐标系到图像坐标系(不考虑畸变)(3)图像坐标系(含去畸变): 将(Xc, Yc, Zc)投影到归一化平面上 ,再进行(径向与切向)畸变修正,得到去畸变后的归一化坐标。(4)图像坐标系到像素坐标系将纠正后的点投影到像素平面,其中 为坐标系缩放系数,Cx, Cy 为坐标系平移量。通常意义上,相机需要标定的参数如下:矩阵H内包含f, , Cx, Cy 内参 和 k1, k2, k3, p1, p2 畸变参数。原创 2023-07-28 15:48:52 · 329 阅读 · 0 评论 -
一. 器件选型心得(系统设计)--2
从需求侧分析,要应对各种天气(晴天、雨天、雾天、雪天、阴天等)、各种光照条件(白天、黄昏、黑夜、阳光直射、背光)、各种距离(盲区:0-2m,近距离:2-40m,中距离:40-80m,远距离:80-200m,超远距离:>200m)、各种维度和精度(六自由度观测、求速度、加速度、角速度)、各种系统级要求(无漏检、误检、时间误差原创 2023-07-28 11:53:38 · 189 阅读 · 0 评论 -
一. 器件选型心得(系统设计)--1
就业和研究生阶段:涉及到和结构、电路、PCB设计、供应商销售、采购、财务、项目经理等的沟通、协作;自己从中还会担任电路、PCB设计、采购的角色。从解决的问题需求出发,考虑性能、指标、成本,还考虑硬软件上的一些因素(从硬件层面还需要考虑电源、功耗、尺寸、质量、散热、集成等,这还包括电路硬件和整机的硬件。国内的有镭神、速腾、禾赛、大疆LIVOX、华为、北科天绘等,国外有法雷奥、velodyne、ouster、innovusion等等。从零开始的整车搭建,包括传感器、执行器、移动平台、运算平台、结构、电路等。原创 2023-07-28 11:45:37 · 395 阅读 · 0 评论