- 博客(15)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 ORB-SLAM2: an Open-Source SLAM System forMonocular, Stereo and RGB-D Cameras
我们为单目、双目和RGB-D相机提供了一个完整的SLAM系统，包括地图复用、闭环矫正和重定位功能。该系统在标准CPU上实时运行，适用于各种环境，从室内小型手持式设备，到在工业环境中飞行的无人机和在城市中行驶的汽车。我们的后端基于单目和双目观测的BA，允许使用度量尺度进行精确的轨迹估计。我们的系统包括一个轻量级的纯定位模式，利用视觉里程跟踪未建图的区域和匹配地图点，实现了零漂移定位。对29个最广泛使用的数据集中的公共序列的评估表明，我们的方法达到了最先进的精度，在大多数情况下是最精确的SLAM解决方案。我们发
2022-06-11 15:26:11
434
原创 ORB-SLAM: a Versatile and Accurate Monocular SLAM System
本文提出了ORB-SLAM，一种基于特征的单目SLAM系统，它可以在室内外的大小环境中实时运行。该系统对严重的运动噪声具有鲁棒性，允许宽基线闭环和重定位，并且可以全自动的初始化。基于近年来的优秀算法，我们设计了一个全新的系统，它使用和所有的其他SLAM系统相同的工作流程，包括: **跟踪、建图、重定位和闭环矫正**。选择重建的地图点和关键帧的**“适者生存”策略**使得系统具有极好的鲁棒性，并生成仅在场景内容发生变化时才体积才增长的紧凑且可跟踪的地图，从而允许系统长时间运行。我们对从最广泛使用的公开数据集中
2022-06-11 15:09:21
410
原创 （LI论文）LIO-Mapping：Tightly Coupled 3D Lidar Inertial Odometry and Mapping
自我运动估计是大多数移动机器人应用的基本要求。通过传感器融合，我们可以弥补独立传感器的不足，并提供更可靠的估计。本文介绍了一种紧耦合的雷达-惯性测量单元融合方法。通过联合最小化激光雷达和惯性测量单元测量的代价函数，激光雷达-惯性测量单元里程计(LIO)可以在长期实验后以可接受的漂移误差表现良好，即使在激光雷达测量可能退化的挑战性情况下也是如此。此外，为了获得更可靠的激光雷达位姿估计，提出了旋转约束约束算法(LIO-mapping)来进一步将激光雷达位姿与全局地图对齐。实验结果表明，该方法即使在快速运动或特征
2022-06-08 21:26:14
551
原创 (Lidar SLAM论文)LeGO-LOAM
我们提出了一种轻量级和地面优化的里程计和建图方法，LeGO-LOAM，用于地面无人车的实时六自由度位姿估计。LeGO-LOAM是轻量级的，因为它可以在低功耗嵌入式系统上实现实时位姿估计。LeGO-LOAM是地面优化的，因为它在其分割和优化步骤中利用了地面的存在。我们首先应用点云分割来滤除噪声，然后进行特征提取来获得独特的平面和边缘特征。然后，一种两步L-M优化方法使用平面和边缘特征来求解连续扫描之间的六自由度变换的不同分量。我们使用从地面车辆的可变地形环境中收集的数据集，比较了LeGO-LOAM和最先进的方
2022-06-08 20:45:05
1404
原创 （LI论文）LIO-SAM: Tightly-coupled Lidar Inertial Odometry via Smoothing and Mapping
我们提出了一个通过平滑和建图实现紧耦合激光雷达惯性里程测量的框架LIO-SAM，该框架可实现高精度、实时的移动机器人轨迹估计和地图构建。LIO-SAM在因子图上制定激光雷达惯性里程计，允许从不同来源将大量相对和绝对测量（包括回路闭合）作为因子纳入系统。来自惯性测量单元（IMU）预积分的估计运动消除了点云的畸变，并产生了激光雷达里程计优化的初始猜测值。获得的激光雷达里程计用于估计IMU零偏。为了确保高性能的实时性，我们将旧的激光雷达扫描边缘化以优化姿态，而不是将激光雷达扫描与全局地图匹配。局部尺度而非全局尺度
2022-06-08 19:13:24
650
原创 （回环检测）Scan Context++: Structural Place Recognition Robust to Rotation and Lateral Variations in Urba
位置识别是机器人导航中的一个关键模块。现有的研究路线主要集中在视觉位置识别，即仅根据外观识别以前访问过的地方。在本文中，我们通过基于结构化外观的位置识别，即从距离传感器来解决结构化的位置识别问题。扩展了我们以前关于具有旋转不变性的空间描述子的工作，该描述子完成了当横滚-俯仰运动不严重时对旋转(航向)和平移都鲁棒的通用描述子。我们引入了两个子描述子，启用拓扑位置检索，然后进行 1 自由度半度量定位，从而弥合了拓扑位置检索和度量定位之间的差距。我们从环境复杂性和规模两个方面对所提出的方法进行了全面的评价。源代码
2022-06-01 14:03:02
1998
原创 多传感器融合框架搭建
架构src/includeapps：节点文件front_end_node.cpp:前端节点data_pretreat_node.cpp:数据预处理节点back_end_node.cpp:后端节点loop_closing_node.cpp:回环检测节点data_pretreat：数据预处理节点相关代码back_end_node：后端节点相关代码loop_closing_node：回环检测节点相关代码models：框架主要模块publisher:发布者subscriber：订阅
2022-05-31 13:31:50
724
1
原创 激光SLAM前端方法比较
概述主要对比NDT和ICP的方法关于NDT的原理可以参考论文：The Three-Dimensional Normal-Distributions Transform — an Efficient Representation for Registration, Surface Analysis, and Loop Detection 的第六章关于ICP-SVD的方法可以参考我的发文：https://blog.csdn.net/weixin_44035919/article/details/12500
2022-05-27 14:32:50
342
原创 （ICP-SVD）Least-Squares Fitting of Two 3-D Point Sets
摘要两个点集{pi}\{p_i\}{pi}和{pi′}\{p_i^{'}\}{pi′};i=1,2,...,Ni = 1,2,...,Ni=1,2,...,N由pi′=Rpi+T+Nip_i^{'} = Rp_i + T + N_ipi′=Rpi+T+Ni所关联，这里RRR是旋转矩阵，TTT是平移向量，NiN_iNi是噪声向量。给定{pi}\{p_i\}{pi}和{pi′}\{p_i^{'}\}{pi′}，我们提出了一种算法来找到RRR和TTT的最小二乘解，这个方法基于3×33 \time
2022-05-27 13:11:31
329
原创 张正友标定相机内参
张正友标定相机内参拍摄棋盘图像，并按照形式如下命名，放置在工程的images目录下编写代码，首先读取图像，然后提取棋盘角点，然后利用opencv计算重投影误差做标定，最后做相机内参的评价，代码注释完整，简单易懂//// Created by gj on 2021/11/15.//#include "opencv2/core/core.hpp"#include "opencv2/imgproc/imgproc.hpp"#include "opencv2/calib3d/calib3
2022-05-25 21:46:48
250
原创 （Lidar SLAM 论文）LOAM: Lidar Odometry and Mapping in Real-time
摘要我们提出了一种利用2轴激光雷达在6自由度范围内的距离测量进行里程测量和地图绘制的实时方法。这个问题很难解决，因为距离测量是在不同的时间接收的，运动估计中的错误可能会导致结果点云的错误配准。迄今为止，可以通过离线批处理方法构建连贯的3D地图，通常使用回环来校正随时间的漂移。我们的方法实现了低漂移和低计算复杂度，无需高精度测距或惯性测量。获得这一性能水平的关键思想是通过两种算法来划分同时定位和建图的复杂问题，该问题寻求同时优化大量变量。一种算法以高频但低保真度进行里程测量，以估计激光雷达的速度（前端）。另
2022-05-23 15:06:00
957
原创 （回环检测）Scan Context Egocentric Spatial Descriptor for Place Recognition within 3D Point Cloud Map
（回环检测）Scan Context Egocentric Spatial Descriptor for Place Recognition within 3D Point Cloud Map摘要与用于视觉场景的各种特征检测器和描述子相比，使用结构信息描述一个场景的文章相对较少。 同时定位和建图 (SLAM) 的最新进展提供了环境的稠密 3D 地图，并且定位是由不同的传感器提出的。 针对基于结构信息的全局定位，我们提出了 Scan Context，这是一种来自 3D 光探测和激光雷达扫描的基于非直方图的
2022-05-23 14:36:55
717
Quaternion kinematics for the error-state Kalman filter
2022-06-08
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人