Motion Based Multi-Sensor Extrinsic Calibration源码配置与学习记录

最新推荐文章于 2024-07-24 21:11:01 发布
最新推荐文章于 2024-07-24 21:11:01 发布
阅读量175 收藏 1
点赞数
分类专栏： 标定 文章标签： 自动驾驶
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_43755168/article/details/115190852
版权

Motion Based Multi-Sensor Extrinsic Calibration源码配置与学习记录

1论文及源码地址

论文：Extrinsic multi-sensor calibration for mobile robots using the Gauss-Helmert model

源码：Motion Based Multi-Sensor Extrinsic Calibration

2环境配置

分别在ubuntu16.04和ubuntu18.04系统配置过相关环境，ubuntu16.04系统配置比较正常，ubuntu18.04系统配置过程比较复杂，主要是由于pycppad库已经不再维护，不支持boost1.6。

2.1 CppAD库

这步16.04和18.04一样

git clone https://github.com/coin-or/CppAD.git
cd CppAD/
mkdir build
最低0.47元/天 解锁文章
call me by lxh
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
基于移动平台的激光雷达点云投影到相机图像上的不确定性估计
10-20
结合多传感设备以实现高级的感知能力是自动驾驶汽车导航的关键要求。传感器融合用于获取有关周围环境的丰富信息。摄像头和激光雷达传感器的融合可获取精确的范围信息，该信息可以投影到可视图像数据上。这样可以对场景有一个高层次的认识，可以用来启用基于上下文的算法，例如避免碰撞更好的导航。组合这些传感器时的主要挑战是将数据对齐到一个公共域中。由于照相机的内部校准中的误差，照相机与激光雷达之间的外部校准以及平台运动导致的误差，因此这可能很困难。在本文中，我们研究了为激光雷达传感器提供运动校正所需的算法。由于不可能完全消除由于激光雷达的测量值投影到同一里程计框架中而导致的误差，因此，在融合两个不同的传感器时，必须考虑该投影的不确定性。这项工作提出了一个新的框架，用于预测投影到移动平台图像帧（2D）中的激光雷达测量值（3D）的不确定性。所提出的方法将运动校正的不确定性与外部和内部校准中的误差所导致的不确定性相融合。通过合并投影误差的主要成分，可以更好地表示估计过程的不确定性。我们的运动校正算法和提出的扩展不确定性模型的实验结果通过在电动汽车上收集的真实数据进行了演示，该电动汽车配备了可覆盖180度视野的广角摄像头和16线扫描激光雷达。
Unified Motion-Based Calibration of Mobile Multi-Sensor Platforms with Time Delay Estimation的标定方案
qq_36594547的博客
06-02 180
对于Unified Motion-Based Calibration of Mobile Multi-Sensor Platforms with Time Delay Estimation的标定方案分析总结 方案标定流程： 优化理论 需要优化的参数 XR是机器人平台内参，包括左右轮周长与轮式里程计编码器刻度之比kl与kr和两轮间距b。 Xs是各个带观测的传感器与轮式里程计之间的外参，dtN是各个传感器与轮式里程计的时延。 优化思想是首先利用其他传感器的数据来对机器人进行航迹推理得到机器人当前预估位姿（
CalibNet：Geometrically Supervised Extrinsic Calibration using 3D Spatial Transformer Networks阅读理解
weixin_33566282的博客
12-31 1241
CalibNet:Geometrically Supervised Extrinsic Calibration using 3D Spatial Transformer Networks 特点： 不需要标定板，标定板会增加很多人工量 降低环境改变和振动的影响 自动和在线标定技术 不需要精确地参数初始化 不需要运动估计：ego-motion 没有直接将标定参数作为训练Loss，而是点云的几何和相机...
ICRA 2021自动驾驶相关论文汇总 | 科研党看过来，全文干货
3D视觉工坊
07-01 4910
本文来源：知乎作者：wanghy，编辑：智车科技/导读/ICRA（International Conference on Robotics and Automation）是IEEE机...
双目相机的标定 python_多传感器融合标定方法汇总
weixin_39834767的博客
10-27 395
Date：2020-10-26作者：Tom Hardy来源：公众号【3D视觉工坊】本文汇总了常见的一些单传感器、多传感器的标定融合paper、工程代码，应用于自动驾驶、3D视觉、SLAM等领域，供大家学习参考~1、相机标定Online Calibration of Exterior Orientations of a Vehicle-Mounted Surround-View Camera Sys...
论文研究-Temperature-Insensitive Pressure Sensor Based on All-Fused-Silica Extrinsic Fabry-Pérot Optical Fiber Interferometer.pdf
08-16
基于全石英结构非本征型温度不敏感的光纤压力传感器，王文华，于清旭，提出了一种基于全石英结构的非本征F-P光纤干涉压力传感器，该传感器具有很高的压力灵敏特性。压力灵敏度为5.18nm/KPa (0.75nm/psi)，分辨�
matlab帧减法代码-multimodal_data_studio:用于处理多模态数据（如图像，激光雷达点，雷达和GNSS）的工具集，包括同
05-25
Mask-Based End-to-End Extrinsic Calibration of the Camera and LiDAR}, JOURNAL = {Remote Sensing}, VOLUME = {12}, YEAR = {2020}, NUMBER = {12}, ARTICLE-NUMBER = {1925}, ISSN = {2072-4292}, DOI = {10....
Extrinsic-Calibration-Between-A-Camera-and-A-3D-Lidar:摄像机与3D激光雷达之间的外部校准
04-03
摄像机与激光雷达的外参标定 相机和3D激光雷达之间的外部校准 1，坐标系 2，环境与工具标定板摄像头激光雷达 Visual Studio 2019+opencv matlab PolyWorks 2017 3，流程 ##参考参考 1， 2，2，
论文研究-High sensitivity diaphragm-based extrinsic Fabry-Pérot interferometric optical fiber underwater ultrasonic sensor.pdf
08-14
高灵敏度膜片式非本征法-珀干涉光纤水下超声传感器，王文华，于清旭，提出了一种新型结构的膜片式非本征法珀干涉(DEFPI)光纤超声传感器，该传感器基于具有一个通风孔的熔石英毛细管。在该传感系统中，AS
Extrinsic Calibration Method for LiDAR and Camera Sensor
10-13
《激光雷达与相机传感器的自动外参标定方法》 在自动驾驶领域，传感器融合是获取车辆周围环境准确信息的关键技术。其中，激光雷达（LiDAR）和视觉系统（包括单目或立体相机）的结合尤为常见，因为它们能够提供互补...
自动驾驶-定位概述
zhugedali_的博客
07-21 322
定位的核心目标是在各种复杂的环境和工况下，为自动驾驶汽车实时、准确地确定其在三维空间中的绝对位置和相对姿态，包括车辆的经度、纬度、高度、航向角、俯仰角和横滚角等参数。- 信号易受遮挡：在高楼林立的城市峡谷、隧道、地下停车场等环境中，卫星信号可能被建筑物、山体等阻挡，导致接收不到足够的卫星信号，从而影响定位精度甚至无法定位。- 原理：通过接收来自多颗卫星的信号，计算信号传播的时间差来确定车辆与卫星之间的距离，进而通过三角测量原理计算出车辆的位置。加速度计测量车辆在三个轴向上的加速度，陀螺仪测量车辆的角速度。
自动驾驶-机器人-slam-定位面经和面试知识系列02之高频面试题（01）
qq_42692305的博客
07-21 611
自动驾驶-机器人-slam-定位面经和面试知识系列02之高频面试题
康谋分享 | 自动驾驶联合仿真——功能模型接口FMI（四）
hongkeaimotek的博客
07-24 649
功能模型接口是一个开放且独立于工具的标准，便于实现自动驾驶仿真工具间的模型交换和联合仿真。本篇文章继续展示如何建立一个FMU并实现基于UDP和FMI联合仿真数据通信。
百度自动驾驶apollo源码解读12:线程池
小硕算法工程师
07-20 345
apollo项目里面有个线程池，源码链接：https://github.com/ApolloAuto/apollo/blob/master/cyber/base/thread_pool.h仅用一个头文件去实现，此处贴出来源码吧。
自动驾驶芯片概况（科普向）
m0_74626628的博客
07-24 378
基于此，预计2030年中国自动驾驶芯片的市场规模为813亿元，其中L2/L3芯片市场规模493亿元， L4/L5芯片市场规模320亿元；全球市场规模为2224亿元，L2/L3芯片市场规模1348亿元，L4/L5芯片市场规模876亿元。用于L1-L2 自动驾驶的芯片只需要28nm制程即可制造，L3 及以上的高阶自动驾驶对算力 的要求越发苛刻，规划中针对L4/L5 自动驾驶的SoC芯片普遍需要7nm，甚至5nm的先进制程。芯片按应用场景可分为消费芯片、工业芯片、车规级芯片和军工芯片等。
端到端自动驾驶科普向
m0_74626628的博客
07-24 68
从设计思想看，自动驾驶系统分为模块化和黑箱化两个大类。前者将系统分解为一系列功能独立的模块，每一个模块单独设计，组合到一起实现自动驾驶功能（我们熟知的定位 感知 规划 控制 决策等模块）；后者又称为端到端自动驾驶系统，它将系统视作一个。目前落地率更高的前者这种分模块工作的自动驾驶体系，但是端到端有很大的诱惑力和潜力（特斯拉）。模块都神经网络化，而非仅使用一个神经网络实现驾驶功能。，将所有模块神经网络化，训练一个或者多个神经网络，端到端自动驾驶的核心特征是。
“萝卜快跑”自动驾驶技术，夺走了谁的方向盘？
华清远见IT实验室专栏
07-23 782
新兴的行业需要大量具备人工智能技能的人才，从数据科学家到软件工程师，再到智能系统运维专家，每一个环节都需要专业人员的支持，这是一次新的就业转型机会，抓住行业风口，才能迎来职业的上升。，系统生成代码后，可以在通用的IDE环境(如Jupyter、Pycharm)里调试验证，摆脱了环境安装的烦恼，并且组件和代码一一对应，原理与具体代码对应，提升代码能力。虚拟仿真平台，将复杂的算法逻辑转化为直观的图像和交互式模型，学生可以通过拖拽组件、设置参数的方式构建算法流程，直观“看到”算法的工作原理和过程。
萝卜快跑：自动驾驶的先锋与挑战
最新发布
ith321的博客
07-24 184
萝卜快跑：自动驾驶的先锋与挑战
extrinsic_matrix
09-18
extrinsic_matrix是一个在计算机视觉和计算机图形学中常用的矩阵，用于描述物体相对于相机的外部姿态。它可以将相机的坐标系与世界坐标系进行转换，从而确定物体在相机坐标系中的位置和姿态。 extrinsic_matrix通常...
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