手持gps坐标设置_[SWF] Visual-Wheel-GPS Localization轮速、视觉、GPS融合定位

最新推荐文章于 2023-01-04 18:25:47 发布
最新推荐文章于 2023-01-04 18:25:47 发布
阅读量439 收藏
点赞数
文章标签： 手持gps坐标设置
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_39917291/article/details/111703309
版权
本文介绍了手持GPS坐标设置在Visual-Wheel-GPS Localization中的应用，详细阐述了坐标系、系统状态、外参数以及GPS更新过程。在系统中，GPS数据与轮速、图像数据的时间同步问题通过滑动窗口解决，初始位置设为0，yaw角的初始方差较大以加速收敛。实验测试使用了KAIST数据集，结果显示融合定位轨迹与GPS数据的对比。
摘要由CSDN通过智能技术生成

910e40d6881cf3092861425c497a91cd.png
接上一篇MSCKF-Based Visual Wheel Odometry (VWO-MSCKF)，这篇文章接入了GPS信息，来实现全局定位。
实现方法参考了Guoquan Huang老师组里的论文：
W. Lee, K. Eckenhoff, P. Geneva and G. Huang, "Intermittent GPS-aided VIO: Online Initialization and Calibration," 2020 ICRA

先看一下效果，红色的是融合定位轨迹，青色的是GPS数据

知乎视频​www.zhihu.com

代码请见：

https://github.com/ydsf16/TinyGrapeKit​github.com

坐标系

与VWO-MSCKF不同的是，这里的全局坐标系

变为ENU系，原点与初始化时轮速坐标系的原点重合。

系统状态

与VWO-MSCKF总体是相同的。

最低0.47元/天 解锁文章
weixin_39917291
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Map-based-Visual-Localization:基于地图的视觉本地化的通用框架。 它包含1）支持传统功能或深度学习功能的地图生成。 2）视觉（点或线）地图中的Hierarchical-Localizationvisual。 3）融合框架，带有IMU，轮罩和GPS传感器
03-31
基于地图的视觉本地化 基于地图的视觉本地化的通用框架。 它包含了 支持传统功能或深度学习功能的地图生成。 视觉（点或线）地图中的Hierarchical-Localizationvisual。 具有IMU，车轮Odom和GPS传感器的融合框架。 我将发布一些相关论文，并在基于地图的视觉本地化中介绍工作。 我想介绍会先用中文写。 因此，快来了，让我们开始吧。 随缘持续更新中!! 2020.09.19添加了微小贡献的github repo链接 2020.09.19添加了第五章的部分内容 2020.09.04添加文章结构 [目录] 基于地图的视觉定位 根据已知地图的视觉定位是一个比较大的问题，基本上会涉及到slam系统，重定位，图像检索，特征点提取及匹配，多传感器融合领域。 0.写在前面 作者：钟心亮 在写本文之前，我想先简单的总结一下历年用的比较多的slam系统，另外会提出一些开
MSCKF-Based Visual-Wheel Odometry 轮速视觉融合里程计
3D视觉工坊
12-04 2312
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达Sliding Windows Filter（SWF）在VIO、SLAM这个领域应用非常广，比如MSCKF、OKVIS、VINS-M...
【SLAM】视觉轮速计融合se2lam安装运行
mmeeed的博客
06-09 646
安装se2lam安装运行步骤记录
户外运动手持GPS设备常识汇总
suiyuanzhangpeng的专栏
03-09 1201
户外运动手持GPS设备常识汇总 ·        1 户外穿越探路时，在恶劣境况下，比如没路，没领队，没路标，天黑，迷路，搞不清方向和方位，户外安全受到威胁，你就是有通讯手段，能联系上外界和救援，说啥呢，我在这，在这，在树下，石头旁，哈哈，到处是树，到处是石头，谁知道你老哥在哪儿。 2 走错了路，是在白天，还能比较容易回到原先路上，可是在夜间，不说了，有过经历，恐怖啊！ 3 不多解释，想
开源MSCKF对比
crazyfox的博客
05-25 1569
开源MSCKF对比综述评价指标介绍MSCKF_MONOMSCKF_VIO 综述 本次将对比MSCKF里面主要的四种开源的方法，它们按时间顺序分别是msckf_mono,msckf_vio,r-vio,open_vins。主要是对比它们在EuROC数据集上的表现，对比将包括论文对比结果以及实际用数据集测试的结果。实际测试主要对比的是累计误差，初步想法应该是计算初始位置和结束位置之间的距离。 评价指标介绍 参考https://zhuanlan.zhihu.com/p/105428199 RPE(relativ
DVHop.rar_WSN matlab_dv-hop_localization_localization Matlab
07-14
DV-hop wsn localization algorithm. DV-hop wsn localization algorithm.DV-hop wsn localization algorithm.
DV-Hop算法.rar_dv hop_dv hop localization_dv-hop_定位算法
07-14
总的来说，DV-Hop算法是一种实用的WSNs节点定位方法，它利用多跳通信的特性，通过简单的计数和平均来估算距离，最后结合几何定位原理找出未知节点的坐标。MATLAB的实现使得算法的验证和优化变得更加便捷。在实际应用...
DV_HOP.rar_dv-hop_in_localization_sensor localization
07-15
标题"DV-HOP.rar_dv-hop_in_localization_sensor localization" 提到了一种特定的定位算法——DV-HOP（Distance Vector Hop Count），它在本地化传感器节点定位中扮演了重要角色。描述"Localization in Wireless ...
imu_gps_localization-master.7z
07-13
"imu_gps_localization-master.7z"这个压缩包很可能包含了一个关于如何利用惯性测量单元（IMU）和全球定位系统（GPS）进行定位的开源项目或者研究资料。 IMU是一种传感器，它可以连续地测量和提供设备的线加速度和...
Detection-localization-master_RSS定位_RSSlocalization_DOA测量_DOA-TO
09-11
在"Detection-localization-and-Idetinifcation-of-underwater-sources-master"这个项目中，可能包含了对水下声源的检测、定位和识别的研究。水下环境的复杂性使得无线通信更具挑战性，声波而非电磁波成为主要的通信...
Visual-lidar+odometry+and+mapping_+low-drift,+robust,+and+fast.pdf
10-22
Abstract— In this paper, we develop a low-cost stereo visualinertial localization system, which leverages efficient multistate constraint Kalman filter (MSCKF)-based visual-inertial odometry (VIO) while utilizing an a priori LiDAR map to provide bounded-error 3D navigation. Besides the standard sparse visual feature measurements used in VIO, the global registrations of visual semi-dense clouds to the prior LiDAR map are also exploited in a tightly-coupled MSCKF update, thus correcting accumulated drift. This cross-modality constraint between visual and LiDAR pointclouds is particularly addressed. The proposed approach is validated on both Monte Carlo simulations and real-world experiments, showing that LiDAR map constraints between clouds created through different sensing modalities greatly improve the standard VIO and provide bounded-error performance.
轮式里程计+视觉紧耦合方案
z15f34的博客
12-29 2654
基于ORB_SLAM： ​​​​​​​GitHub - izhengfan/se2lam: (ICRA 2019) Visual-Odometric On-SE(2) Localization and Mapping 基于VINS： GitHub - TouchDeeper/VIW-Fusion: Visual-inertial-wheel fusion odometry, better performance in scenes with drastic changes in light 基于M.
如何使用imu和轮速里程计融合定位？代码怎么写
weixin_35756892的博客
01-04 2713
使用IMU和轮速里程计融合定位的一般步骤如下: 将IMU和轮速里程计的数据预处理成需要的形式。 使用一种预测滤波器(例如卡尔曼滤波器或高斯滤波器)来预测机器人的位置和姿态。 使用轮速里程计的测量来校正预测的位置和姿态。 使用IMU的测量来校正预测的姿态。 下面是使用卡尔曼滤波器来实现融合定位的代码示例(使用C ++语言): ```cpp // 预测机器人的位置和姿态 void pred...
多传感器融合定位开源工程与论文
老李的博客
11-11 5097
目录(1)LIC-Fusion：基于激光雷达、惯性导航和相机结合的里程计(2)使用点线特征配合激光雷达辅助的单目视觉里程计(3)间歇的GPS辅助VIO：在线初始化和标定(4)强大的高精度视觉惯性激光SLAM系统(5)地面机器人的视觉辅助定位**(6)松耦合的半直接法单目SLAM(7)双目视觉惯性雷达VIL-SLAM (1)LIC-Fusion：基于激光雷达、惯性导航和相机结合的里程计 标题：LIC-Fusion: LiDAR-Inertial-Camera Odometry 作者：Xingxing Zuo
多传感器融合定位（GPS+Wheel+camera）（3）视觉跟踪以及更新
sunshine
02-16 2397
多传感器融合定位（GPS+Wheel+camera）（3）视觉跟踪以及更新 Flowchart KLT视觉跟踪 void KLTFeatureTracker::TrackImage(const cv::Mat& image, std::vector<Eigen::Vector2d>* tracked_pts, std::vector<lo
陀螺仪+轮速计+单目视觉融合
weixin_42344264的博客
07-23 3906
陀螺仪+轮速计+单目视觉融合 Tightly-coupled Monocular Visual-odometricSLAM using Wheels and a MEMS Gyroscope 摘要 1、提出一种预积分理论，将轮编码器和陀螺仪测量结果整合到局部框架里。预积分解决了旋转群SO(3)的流形结构。并讨论了不确定性传播和偏差校正。 2、里程计的误差项由预积分模型设计，紧融合在视觉优化框架 3...
【泡泡一分钟】间歇的GPS辅助VIO：在线初始化和标定
诗筱涵的博客
04-03 901
转载自：https://www.sohu.com/a/420714380_715754 【泡泡一分钟】间歇的GPS辅助VIO：在线初始化和标定 2020-09-25 06:30 标题： Intermittent GPS-aided VIO: Online Initialization and Calibration 作者：Woosik Lee, Kevin Eckenhoff, Patrick Geneva, and Guoquan Huang 来源： 2020 IEEE Internationa
手持gps坐标设置_【免费福利】还在纠结坐标系怎么转换的问题？
weixin_39862899的博客
12-19 2681
给大家推荐一个小插件【GPS工具箱】，它可以快捷地帮助大家进行坐标系的转换。应用此插件，可转换前坐标类型、转换四参数、拟合参数、校正参数、七参数、平面参数及高程参数。(文末有下载方式)插件界面如下。简单介绍一下这款插件的操作流程。步骤1：点击工具栏上的【作业设置】-【新建作业】，新建一个作业文件夹；步骤2：在参数设置中，根据自己的需求设置参考源椭球系、目标椭球系和投影设置等，如果有四参数...
robot_localization融合gps
最新发布
07-27
对于机器人定位问题，融合GPS是一种常见的方法。GPS（全球定位系统）是一种用于获取位置信息的全球卫星导航系统。然而，由于GPS信号可能受到建筑物、树木、天气等因素的干扰，单独使用GPS可能会导致定位误差。因此，将GPS与其他传感器数据融合可以提高机器人的定位精度和鲁棒性。 融合GPS的方法通常是使用传感器融合算法（如卡尔曼滤波器或粒子滤波器）将GPS数据与其他传感器数据（如惯性测量单元、激光雷达、视觉传感器等）进行融合。这种融合可以利用不同传感器的优势，弥补各自的缺点。 具体而言，GPS提供了全球位置信息，但可能存在延迟和误差。惯性测量单元（IMU）可以提供机器人的加速度和角速度信息，但其积分误差会导致位置漂移。激光雷达和视觉传感器可以提供环境地图和障碍物信息，帮助机器人更好地理解周围环境。通过融合这些传感器数据，可以实现更准确和鲁棒的机器人定位。 总的来说，融合GPS可以提高机器人的定位精度和鲁棒性，使其能够在复杂的环境中进行准确的定位和导航。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值