多传感器融合定位学习
文章平均质量分 67
KaHoWong
五邑大学 人工智能研究生
展开
-
ROS自定义消息类型,编译无法生成 msg/srv 文件产生的头文件
ROS自定义消息类型,编译无法生成 msg/srv 文件产生的头文件参考博客:ros项目第一次编译无法找到msg/srv文件产生的头文件message headers won’t build first原因:一般情况下,如果你的msg/srv文件是一个单独的package的话(假设为A),在依赖A生成的头文件的packageB里面编译对应的cpp文件时,在add_dependencies的最后添加${catkin_EXPORTED_TARGETS}会包含所有在find_package里面列出的包的原创 2021-07-15 10:57:56 · 3241 阅读 · 0 评论 -
多传感器融合定位(4-基于滤波的2融合方法)2-使用仿真数据进行imu-gnss eskf和时变系统下的可观测性分析
多传感器融合定位(4-基于滤波的2融合方法)2-使用仿真数据进行imu-gnss eskf和时变系统下的可观测性分析本次作业摘自 张松鹏大哥的优秀作业代码下载 https://github.com/rainbowrooster/Multi—sensor-fusion-and-positioning/tree/main/chapter4/Q2下载说明:chapter4/Q2 中 , gnss-ins-sim 优秀代码为鹏哥自定义仿真场景,和使用gnss-ins-sim生成仿真IMU数据的py文件;ins原创 2020-12-05 13:36:53 · 3151 阅读 · 2 评论 -
多传感器融合定位(3-惯性导航原理及误差分析)8-惯性导航解算验证
多传感器融合定位(3-惯性导航原理及误差分析)8-惯性导航误差分析本次作业摘自 张松鹏大哥的优秀作业eg.在现实中 高精度惯导中用等效旋转矢量,低精度惯导中,用角增量;一般中低精度的导航里面,提高的比例都在10%以内,没有太高;实际系统中可以做个实验对比一下,看能提高多少,来决定要不要使用等效旋转矢量的方法解算我们先来回顾一下姿态更新的框架图两种姿态解算方法:1.使用theta t 时间内角增量做积分中值处理2.使用角增量求解等效旋转矢量的方法注:表征姿态变化,一般使用四元数较为方便张松原创 2020-11-29 20:33:23 · 2657 阅读 · 2 评论 -
Docker快速上手及常用指令集
Docker快速上手及常用指令集1. 安装dockerubuntu 安装步骤 清华镜像源安装说明首先安装依赖:sudo apt-get install apt-transport-https ca-certificates curl gnupg2 software-properties-common信任 Docker 的 GPG 公钥:curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -对原创 2020-11-23 10:42:52 · 585 阅读 · 0 评论 -
多传感器融合定位(4-基于滤波的融合方法)kitti数据集 IMU频率改为100HZ
多传感器融合定位(4-基于滤波的融合方法)kitti数据集 IMU频率改为100HZ本博文参考GEYAO 大神的github到kitti 官网下载 2011_10_03_drive_0027 的extract数据集 (原来的 sync数据集为去除相机畸变的数据集,但是IMU发布频率只有10HZ 显然不满足进行多传感器融合处理,extract的数据集为raw_data ,IMU频率为100HZ,但是没有进行相机去畸变)kitti 官网下载 2011_10_03_drive_0027 的extract原创 2020-11-21 00:12:30 · 6484 阅读 · 20 评论 -
多传感器融合定位(3-惯性导航原理及误差分析)6-Allan方差 进行随机误差分析
多传感器融合定位(3-惯性导航原理及误差分析)6-Allan方差 进行随机误差分析参考博客:组合导航系列文章(四):Allan方差分析使用imu_utils工具生成IMU的Allan方差标定曲线手写VIO-使用Allen方差工具标定IMUVIO 中 IMU 的标定流程 (1/3) - imu_utils 使用备忘使用imu_utils 进行allan 方差误差分析来自博客 手写VIO-使用Allen方差工具标定IMU安装ceres-solver注意:ceres-solver,编译之前需要安原创 2020-11-08 16:06:37 · 1392 阅读 · 1 评论 -
多传感器融合定位(3-惯性导航原理及误差分析)7-实现 分立级标定 accel加速度计内参公式验证
多传感器融合定位(3-惯性导航原理及误差分析)7-实现 分立级标定 accel加速度计内参公式验证参考博客:组合导航系列文章(五):IMU误差标定之基于转台的标定基于Python的开源GNSS/INS仿真github代码 hkwww/gnss-ins-sim本次主要使用 解析法进行 accel 加速度计的内参公式验证最终结果搭建仿真场景参考 gnss-ins-sim 中的 demo_allan.py 构建 imu 仿真模型,并保存数据sim_imu.py 部分代码(全部代码在原创 2020-11-05 15:45:46 · 990 阅读 · 1 评论 -
多传感器融合定位(1-3D激光里程计)6-实现手写icp
多传感器融合定位(1-3D激光里程计)6-实现手写icpps: 因为个人能力不足,本次代码 和 伪代码 框图 主要是参考 go on 大佬的,本人只是搬运工做记录ps:本文 来自 go on 助教的讲解ppt伪代码框图 ps:图来自 go on 助教的讲解添加sophus 库sophus库代码地址代码实现添加icp_registration_manual.hpp/* * @Description: ICP 匹配模块 * @Author: KaHo * @Date: 202原创 2020-11-01 22:21:43 · 2658 阅读 · 4 评论 -
多传感器融合定位(3-惯性导航原理及误差分析)4-IMU温补:常见温补模型与基于多项式你和的温补方法:惯性器件误差分析
多传感器融合定位(3-惯性导航原理及误差分析)4-IMU温补:常见温补模型与基于多项式你和的温补方法:惯性器件误差分析原创 2020-10-29 17:23:15 · 693 阅读 · 0 评论 -
多传感器融合定位(3-惯性导航原理及误差分析)3-内参模型与分立级、系统级、迭代优化等标定方法:器件内参标定
多传感器融合定位(3-惯性导航原理及误差分析)3-内参模型与分立级、系统级、迭代优化等标定方法:器件内参标定原创 2020-10-29 16:19:26 · 755 阅读 · 0 评论 -
多传感器融合定位(3-惯性导航原理及误差分析)2-IMU误差分析及处理:随机误差理论分析&allan方差分析及实现
多传感器融合定位(3-惯性导航原理及误差分析)2-IMU误差分析及处理:随机误差理论分析&allan方差分析及实现原创 2020-10-27 22:08:12 · 847 阅读 · 0 评论 -
多传感器融合定位(4-点云地图构建及基于地图定位)4-通过GNSS 实现地图定位
多传感器融合定位(4-点云地图构建及基于地图定位)4-通过GNSS 实现地图定位eg:因为个人水平有限,这次作业全靠DK大哥的指导,方法不唯一目的:调用 GNSS的位姿,实现初始化调整前,默认初始gps位姿为 0 , 0 ,0:void GNSSData::InitOriginPosition() { geo_converter.Reset(longitude,latitude,altitude); origin_longitude = longitude; origin_原创 2020-10-26 18:55:28 · 2027 阅读 · 0 评论 -
多传感器融合定位(3-点云地图构建及基于地图定位)3-实现ScanContext 回环检测
多传感器融合定位(3-点云地图构建及基于地图定位)3-实现ScanContext 回环检测参考博客从零开始做自动驾驶定位(十一): 闭环修正自动驾驶系统进阶与项目实战(四)自动驾驶高精度地图构建中的三维场景识别和闭环检测自动驾驶系统进阶与项目实战(五)使用SC-LEGO-LOAM进行较大规模点云地图构建和闭环优化源码:这里使用scan context 部分源码来自 github sc-lego-loam整体代码框架 来自 任乾 github tag11 闭环修正代码ps:因为个人原创 2020-10-26 18:55:16 · 2724 阅读 · 0 评论 -
多传感器融合定位(2-点云地图构建及基于地图定位)2-后端优化与点云地图构建
多传感器融合定位(2-点云地图构建及基于地图定位)2-后端优化与点云地图构建后端优化点云地图的建立原创 2020-10-21 14:08:08 · 1041 阅读 · 1 评论 -
多传感器融合定位(2-点云地图构建及基于地图定位)1-回环检测及代码实现
多传感器融合定位(2-点云地图构建及基于地图定位)1-回环检测及代码实现scan context核心思想:三维点云匹配下,计算量巨大,基于三维匹配,初值问题无法解决,scan context 对三维进行将将维度,并且scan context对初值不敏感。通过两次切割,使点集从三维变成为二位数组d的值越小,代表他们之间的相似度越高step1:将二维数组合并为一维,进行粗配准(一维迭代)step2: 粗配准大致确定范围后,再进行细配准(二维迭代)解算位姿:1.找到相似阵2.计原创 2020-10-19 20:32:08 · 1118 阅读 · 0 评论 -
多传感器融合定位(1-3D激光里程计)6-实现调用pcl-icp-3 evo里程计精度评价
多传感器融合定位(2-3D激光里程计)6-实现调用pcl-icp、ndt -3 evo里程计精度评价参考博客:从零开始做自动驾驶定位(七): 里程计精度评价下载evo 工具pip install evo --upgrade --no-binary evoevo用法,摘自任老师的知乎EVO评价数据有两种模式,对应的指令分别是 evo_rpe 和 evo_ape ,前者评价的是每段距离内的误差,后者评价的是绝对误差随路程的累计。评价每段距离内的误差可以使用如下指令evo_rpe kitti g原创 2020-10-19 22:24:50 · 832 阅读 · 3 评论 -
多传感器融合定位(1-3D激光里程计)5-实现调用pcl-icp-2 通过 config.yaml 实现接口的多态性
多传感器融合定位(2-3D激光里程计)5-实现调用pcl-icp-2 通过 config.yaml 实现接口的多态性本章实现icp ndt的多态性,通过修改config 里的 yaml文件,实现icp ndt 里程计算法的方便替换参考博客:从零开始做自动驾驶定位(五): 前端里程计之代码优化代码:任乾 从零开始自动驾驶(五)NDT VS ICPNDT效果图参数配置NDT: res : 1.0 step_size : 0.1 trans_eps : 0.01原创 2020-10-19 22:25:03 · 661 阅读 · 0 评论 -
多传感器融合定位(1-3D激光里程计)4-实现调用pcl-icp-1
多传感器融合定位(2-3D激光里程计)4-实现调用pcl-icp-1本次使用的是任乾老师 tag4.0的代码,修改原来NDT的接口代码,没有添加任何参数参考博客:从零开始做自动驾驶定位(四): 前端里程计之初试NDT vs ICP红色为经ICP处理后的里程计运动轨迹,黄色为GNSS的轨迹(可视为groundTruth)NDT带参数处理 里程计 设置NDT匹配参数 ndt_ptr_->setResolution(1.0); ndt_ptr_->setStep原创 2020-10-19 22:25:15 · 1424 阅读 · 1 评论 -
多传感器融合定位(1-3D激光里程计)3-前端里程计LOAM系列
多传感器融合定位(2-3D激光里程计)3 -前端里程计LOAM系列LOAM多线雷达 线与线之间有两度的夹角特征点的选取原创 2020-10-12 16:45:34 · 995 阅读 · 0 评论 -
多传感器融合定位(1-3D激光里程计)2-前端里程计NDT
多传感器融合定位(2-3D激光里程计)2-前端里程计NDTNDT 计算分布于分布之间的差异NDT的优点:1.鲁棒性较强2.相对于ICP而言,运算量更少转化为优化问题原创 2020-10-12 14:35:34 · 1004 阅读 · 0 评论 -
多传感器融合定位(1-3D激光里程计)1-前端里程计ICP
多传感器融合定位(2-3D激光里程计)1-前端里程计ICP机械激光雷达与固态激光雷达整体流程ICP point2pointICP推导把旋转和平移进行解耦去除与R无关项trace 不等式证明原创 2020-10-11 19:01:24 · 1649 阅读 · 5 评论 -
多传感器融合定位 课程概述
多传感器融合定位(1)1-课程概述原创 2020-10-10 21:04:27 · 2261 阅读 · 5 评论