![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
感知
感知
爱学习的小土
本人热衷于机器人导航算法研究,希望与志同道合伙伴一起探讨有关技术。
展开
-
运动恢复结构
基本原理:在相机模型的基础上,通过图像的特征点匹配,建立不同视角拍摄图像的场景点之间的对应关系;再根据多视角几何原理,优化计算得到这些场景点的三维坐标和相机的位姿参数。...原创 2019-09-17 17:24:37 · 712 阅读 · 0 评论 -
定位算法(激光)
AMCL原创 2019-09-16 21:37:18 · 1710 阅读 · 0 评论 -
优化方法(激光 VS 视觉)
增量式优化保持当前的状态估计,在有新数据加入时,更新已有的估计。KF:线性系统+高斯噪声。EKF:非线性系统+高斯噪声。PF:非线性系统+非高斯噪声。图优化:批量式优化给定一定规模数据(观测和运动),计算该数据下的状态估计。...原创 2019-09-16 16:32:28 · 230 阅读 · 0 评论 -
回环检测(激光 VS 视觉)
一、激光分支定界二、视觉检测指标准确率和召回率假阴性:算法检测不是回环,事实是回环。假阳性:算法检测是回环,事实不是回环。算法\事实是回环不是回环是回环真阳性假阳性不是回环假阴性真阴性词袋模型1、创建字典k-means:随机选取k个中心点。每个样本计算它与每个中心点的距离,取最小的最为它的归类。重新计算中心点。结束条件:迭代...原创 2019-09-16 15:41:41 · 922 阅读 · 0 评论 -
Cartographer VS Gmapping
Gmapping:在rbpf基础上改进提议分布和选择性重采样。原创 2019-09-16 21:37:36 · 3736 阅读 · 0 评论 -
前端-特征点法视觉里程计
对极几何PnPICP原创 2019-09-16 21:36:40 · 282 阅读 · 0 评论 -
建图算法(激光 VS 视觉)
计数建图覆盖栅格建图TSDF建图原创 2019-09-16 12:19:32 · 1002 阅读 · 0 评论 -
帧间匹配算法(激光里程计)
ICP参考点云和目标点云中寻找对应点。计算均方根误差,计算变换矩阵。迭代(使用获得的变换矩阵来变换目标点云,并重新寻找对应点),直到满足迭代终止条件(迭代次数或误差小于阈值)。NDT将空间划分成各个格子cell。将参考点云和目标点云(变换之后)投票到各个格子。计算格子的正态分布概率密度函数参数、响应的概率分布函数、目标函数。特征角点、平面点;计算曲率...原创 2019-09-16 11:05:40 · 3047 阅读 · 0 评论 -
相机模型
相机模型针孔相机模型:焦距(fx, fy)、偏移(cx, cy)、径向畸变(k1, k2, k3)、切向畸变(p1, p2)。双目相机模型:视差。深度相机模型:非线性畸变径向畸变:桶形畸变、枕形畸变;广角镜头、长焦镜头...原创 2019-09-16 07:15:44 · 142 阅读 · 0 评论 -
感知
Lidar、CameraLidar:测距准Camera:识别准感知目的小感知:检测、分割、识别、跟踪大感知:标注、建图、定位、障碍物行为预测原创 2019-09-15 11:36:49 · 220 阅读 · 0 评论 -
前端-视觉里程计
梯度下降与高斯牛顿比较梯度下降:优点是计算量小,在步长设置的比较大时,可以有较快的收敛速度;缺点是在极小值点处发生震荡。高斯牛顿:有点是在极小值附近更快的收敛(二阶导数反应梯度的趋势);缺点需要计算H矩阵。...原创 2019-09-10 23:29:13 · 200 阅读 · 0 评论