![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器人
文章平均质量分 90
爱嘤嘤的小猪仔
这个作者很懒,什么都没留下…
展开
-
SMARRT论文笔记
论文链接:SMARRT: Self-Repairing Motion-Reactive Anytime RRT for Dynamic Environments论文主要贡献SMARRT只在小范围内进行碰撞检测,如果现有的路径不满足条件(如会碰撞),会在最大程度保存已探索路径的同时,对现有路径进行剪枝,并且进行重新规划。问题描述定义机器人的操作空间为X\mathcal{X}X,定义Xobs∈X\mathcal{X}_{obs}\in \mathcal{X}Xobs∈X为障碍空间,Xfree=X/Xo原创 2022-05-24 15:39:25 · 390 阅读 · 0 评论 -
激光雷达和RTK的标定(无人小车)
总结一下最近的标定工作,标定平台是实验室的无人小车,目标是实现激光雷达(lidar)和RTK的标定,也就是求解lidar到RTK的位姿变换矩阵。采用的代码是ETH的lidar align(https://github.com/ethz-asl/lidar_align)。需要对其读取RTK位姿信息的的代码做一定的修改。所采用的ros消息类型为geometry_msgs/PoseStamped bool Loader::loadTformFromROSBag(const std::string&原创 2021-11-15 10:36:20 · 4282 阅读 · 5 评论 -
Pixel-level Extrinsic Self Calibration of High Resolution LiDAR and Camera in Targetless Environment
论文链接:https://arxiv.org/pdf/2103.01627.pdf代码链接:https://github.com/hku-mars/livox_camera_calib主要内容本文提出了一种不依赖于棋盘格等辅助标定物体,实现像素级相机和激光雷达自动标定的方法。方法直接从点云中提取3D边特征,一避免遮挡问题,并且使用了精确度更高的深度连续边。文中首先指出:以下四种变换方式区分性能不好,提供的约束效果不好:进一步指出将点云投影到图像平面再提取特征的问题主要在于相机和激光雷达事业遮原创 2021-07-11 21:26:33 · 1004 阅读 · 0 评论 -
2-Entity RANSAC for robust visual localization in changing environment论文笔记
论文链接:https://arxiv.org/pdf/1903.03967.pdf文章主要内容本文指出当前的视觉定位方法由于地图或者图片序列在外观上的巨大变化,仍然会受到季节天气等环境因素的影响,进一步指明问题的原因在于外点数,即错误的特征匹配所占比例。在借助惯性测量的方法下,针对3D-2D的定位方式,文章提出了2-entity RANSAC(random sample consensus)方法,即使用两点匹配或者一点和一条线的匹配方式,在降低了所需特征点匹配数目的同时提高了系统对外点的鲁棒性。文章主原创 2020-12-31 23:19:35 · 290 阅读 · 0 评论