初次踏入CSDN写文章，本人主要是学习激光SLAM

最新推荐文章于 2024-07-16 17:54:51 发布
最新推荐文章于 2024-07-16 17:54:51 发布
阅读量2k 收藏 3
点赞数 1
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_41518014/article/details/79719759
版权
初次写博客，开始研究生毕业期间的小论文的写作，同时在此期间会学习SLAM以及C++的相关知识，希望未来有所进步，本人小白，在未来的学习路上希望和有学士的人多学习学习
年少的梦007
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
激光 slam 综述
三维点云技术探索
08-30 274
点云的分割与识别： 对3D点云进行分割的方法可以分为基于边缘的方法，区域增长，模型拟合，混合方法，机器学习应用程序和深度学习[20]。SLAM包含了两个主要的任务：定位与构图，在移动机器人或者自动驾驶中，这是一个十分重要的问题：机器人要精确的移动，就必须要有一个环境的地图，那么要构建环境的地图就需要知道机器人的位置。实际上，机器人从未知环境的未知位置开始，通过反复观测运动过程中的环境特征来定位自身的位置和姿态，然后根据自身的位姿都建周围环境的增量图，从而达到同时定位和地图构建的目的。2D激光雷达SLAM。
激光slam_激光SLAM入门学习指导
weixin_39885690的博客
12-15 634
刚开始学无人机的伙伴们一定少不了去百度”SLAM”这个关键词，英文Simultaneous Localization and Mapping的缩写(可惜大家听不到我非常international发音)这次我们就给还没来得及深入了解的小伙伴们通俗的讲一讲。1、SLAM传感器 先说实在的，看得见摸的着的，阿木实验室的无人机装机必备的思岚激光雷达与英特尔双目视觉摄像头。SLAM算法常被运用的...
激光SLAM导航技术日益成熟 推动机器人进入发展新时代
weixin_33747129的博客
02-22 166
激光SLAM技术凭借稳定、可靠等性能优势，已成为机器人自主定位导航的核心技术，当前，我国激光SLAM导航技术日益成熟，移动机器人行业也进入了新的发展时期。 移动机器人进入自主导航及路径规划时期 20世纪60年代，斯坦福大学研究所研究出了自主移动机器人Shakey，它可以在复杂的环境下进行对象识别、自主推理、路径规划及控制等功能。70年代，...
动态环境下的激光slam论文列表
最新发布
如果想成为中心，那么就到中心去吧。
07-16 900
现有的基于三维点的动态点检测和去除方法具有显著的时间开销，使其难以适应激光雷达-惯性测程系统。本文提出了一种基于标签一致性的动态点检测和去除方法，用于处理自动驾驶场景中的移动车辆和行人，并将所提出的动态点检测和去除方法嵌入到一个自设计的激光雷达-惯性测程系统中。在三个公共数据集上的实验结果表明，我们的方法可以在LIO系统中以极低的计算开销（即1∼9ms）完成动态点检测和去除，同时实现与最先进的方法相当的保存率和拒绝率，显著提高了姿态估计的精度。我们已经发布了这项工作的源代码。
激光SLAM学习
chrishuimin的博客
01-23 385
(研一上学期寒假前结束的，研一上学期课程较多，看的慢一些)从右边的窗口 配置 软件源，从什么地方下载，自动选择下载的服务器(选择aliyun，，或者 .edu后缀的源)，，下载源的选择会影响后面下载文件的速度，比如ROS安装。回车之后打开下面的默认界面 ，没有内容显示，需要插入摄像头，来驱动摄像头跑起来，摄像头驱动之后会不断的发布图像信息，在左上角框中选择图像信息的话题，来给渲染出来。比如展示海龟的pose位置，选择 turtle/pose, 回车运行，曲线展示了，角速度，线速度，theta角等。
Apollo学习笔记（20）激光SLAM综述
qq_24649627的博客
04-01 3489
激光SLAM的处理流程 激光雷达数据处理 激光数据帧间匹配（前段匹配） 激光回环检测 非线性最小二成优化（后端优化） 激光数据的预处理 激光雷达运动畸变去除 里程计数据矫正 不同系统之间的时间同步 数据帧间匹配算法 ICP（Iterrative Closest Point） PI-ICP(point to line Iterrative Closest Point) NDT(Normal Distribution Transformation) CSM(Correlation Scan Match
激光雷达SLAM算法综述
HUASHUDEYANJING的博客
05-17 2378
即时定位与地图构建（simultaneous localization and mapping，SLAM）是自主移动机器人和自动驾驶的关键 技术之一，而激光雷达则是支撑SLAM算法运行的重要传感器。基于激光雷达的SLAM算法，对激光雷达SLAM总体框架进行介绍，详细阐述前端里程计、后端优化、回环检测、地图构建模块的作用并总结所使用的算法；按由2D到 3D，单传感器到多传感器融合的顺序，对经典的具有代表性的开源算法进行描述和梳理归纳；介绍常用的开源数据集，以及精度评价指标和测评工具；
综述 | 激光与视觉融合SLAM
小白学视觉
06-30 5946
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达SLAM包含了两个主要的任务：定位与构图，在移动机器人或者自动驾驶中，这是一个十分重要的问题：机器人要精确的移动，就必须要有一个环境的地图，那么要构建环境的地图就需要知道机器人的位置。本系列文章主要分成四个部分：在第一部分中，将介绍Lidar SLAM，包括Lidar传感器，开源Lidar SLAM系统...
激光SLAM导航移动机器人定位算法研究综述_易柯敏.pdf
02-08
激光SLAM导航移动机器人定位算法研究综述 激光SLAM导航移动机器人定位算法研究综述 激光SLAM导航移动机器人定位算法研究综述
学习SLAM需要哪些预备知识？
BlackSmith
03-13 3036
作者：王小新 链接：https://www.zhihu.com/question/35186064/answer/135059903 来源：知乎 著作权归作者所有，转载请联系作者获得授权。 感觉大家的回答都很好，但是作为一个从新手到微新手过来的人，觉得大家回答上来就是 Multiple View Geometry in Computer Vision 然后优化，然后。。。。，如果
激光SLAM总结——Fast LIO / Fast LIO2 / Faster LIO
weixin_44580210的博客
05-14 3588
激光SLAM总结——Fast LIO / Fast LIO2 / Faster LIO 在之前的工作中有接触过LOAM，最近在工作中又接触到Faster LIO相关的工作，于是想着对Fast LIO / Fast LIO2 / Faster LIO这一系列工作进行一个简单的总结，以加深自己对激光SLAM算法的理解，之前总结过的一些和激光SLAM算法相关的博客还有，感兴趣的同学可以一起学习讨论： 激光SLAM总结——VLOAM / LIMO算法解析 激光SLAM总结——LIO-Mapping / LIOM /
slam技术综述
03-27
slam技术综合叙述资料，详实可靠的资料，可直接使用
SLAM综述文章
12-14
SLAM技术是目前机器人、自动驾驶、增强现实等领域的关键技术之一，是智能移动平台感知周围环境的基础技术。本文介绍了基于视觉传感器（单目、双目、RGB-D等相机）的SLAM技术的原理和研究现状，包括基于稀疏特征的SLAM、稠密/半稠密SLAM、语义SLAM和基于深度学习的SLAM。然而，现有的系统与方法鲁棒性并不高，随着人工智能技术的发展，深度学习与传统的基于几何模型的方法相结合的趋势正在形成，这将推动视觉SLAM技术朝着长时间大范围实时语义应用的方向前进。 视觉SLAM算法的现状 1、基于稀疏性特征的SLAM 2、稠密SLAM和半稠密SLAM 3、语义SLAM 4、基于深度学习的SLAM
激光SLAM经典论文翻译 完善版
04-09
本篇论文是2011年的hectorslam方法的全篇翻译。本文提出了一种灵活的、可扩展的系统，用于解决无人地面车辆(UGV)、无人地面车辆(USV)和小型室内导航系统中的SLAM(同时定位和建图)问题。这种方法消耗的计算资源较少，因此可以在低重量、低功耗和低成本的处理器上使用，该方法是在ROS上实现的开源软件。它适应ROS上的API和导航stack，并可以在ROS的生态中替代其他SLAM方法。
激光 SLAM 算法
04-18
激光 SLAM 算法 源码，开源代码，激光 SLAM 算法 源码，开源代码，
零基础如何入门激光SLAM
李想的博客
12-21 1万+
杂谈 最近有几个人加我，都说是刚开始学激光slam，基本都是研一，情况也都差不多，有的是课题组里只有自己做slam，有的是完全没人带，自己也没有基础． 仔细想一想，其实入门slam真是个不容易的事． 首先，编程语言，大多数使用c++，少数用python，c++你得至少能写个小demo吧． 知道了如何写c++，还要准备编译环境吧，由于编译以及依赖等问题，做slam基本都用linux，还得知道如何使用ubuntu的命令行，知道怎么编译代码． 关于机器人相关的大部分代码都使用ros做接口，因为接口统一，使用方式统
深度学习结合SLAM的研究思路/成果整理之（一）使用深度学习方法替换SLAM中的模块
热门推荐
自己的学习笔记
12-12 3万+
整理了部分近两年深度学习结合SLAM的一些研究成果（参考知乎帖子https://www.zhihu.com/question/66006923 和泡泡机器人公众号，附上论文链接和已找到的源代码/数据集链接，大多简单看了一下摘要。仅为自己学习所用，确实翻译得很烂…………1. 深度学习跟SLAM的结合点深度学习和slam的结合是近几年比较热的一个研究方向，具体的研究方向，我简单分为三块，如下。1.1 深
SLAM综述：激光雷达与视觉SLAM
limingmin2020的博客
06-30 2951
第一节概述。 第二节讲述激光SLAM：激光传感器，开源系统，深度学习的应用。 第三节讲述视觉SLAM：相机传感器，开源系统，视觉惯性里程计，深度学习的应用。 第四节讲述激光雷达与视觉的融合。 最后展望SLAM的发展前景。 第一节：概述 **SLAM：**同时定位和建图（Simultaneous Localization and Mapping）。为了精确的定位，需要有精确的环境地图；为了得到精确的环境地图，需要有精确的定位。这便是先有鸡还是先有蛋的问题了。于是乎，只能同时定位与建图—SLAM。 事情还要追溯
评论 3
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