多传感器融合
文章平均质量分 95
多传感器融合是一项综合性的前沿技术,包括传感器标定、数据处理、slam、滤波等理论部分,涉及到的传感器有激光雷达、GPS、IMU、轮速计、相机等.
MIKingZCC
春风务实,梧桐吐绿
展开
-
IMU预积分模型分析
IMU预积分模型分析1.预积分计算2.连续时间下预积分方差更新矩阵计算2.1 δθ˙tbk\delta \dot \theta^{b_k}_tδθ˙tbk的微分推导1) 写出不考虑误差的微分方程2) 写出不考虑误差的微分方程3) 写出带误差的值与理想值之间的关系4) 将带误差的值与理想值之间的关系带入2)5) 把1)中的关系带入4)6) 化简方程2.2 δβ˙tbk\delta \dot\beta^{b_k}_tδβ˙tbk的微分推导1) 写出不考虑误差的微分方程2) 写出不考虑误差的微分方程3)原创 2021-12-05 17:06:39 · 2895 阅读 · 1 评论 -
【论文阅读】Tightly Coupled 3D Lidar Inertial Odometry and Mapping
Tightly Coupled 3D Lidar Inertial Odometry and Mapping摘要I. 介绍II. 相关工作III. 符号与说明A. 符号A. IMU运动本文主要是对LIO-Mappingt论文的一些学习总结,具体的参考文献请参考原文,如有不对之处,希望大家提出宝贵的意见,共同进步~摘要运动估计是移动机器人的基本要求之一,通过传感器融合我们可以弥补单一传感器的缺陷并提供更可靠的运动估计。在这篇文章中,我们介绍一种Lidar-IMU紧耦合融合方法。提供通过联合最小化雷达和I原创 2021-11-29 22:06:09 · 2114 阅读 · 0 评论 -
【论文阅读】Super Odometry: IMU-centric LiDAR-Visual-Inertial Estimator for Challenging Environments
Super Odometry: IMU-centric LiDAR-Visual-Inertial Estimator for Challenging Environments摘要I. 介绍II. 相关工作A. 松耦合激光-视觉-惯性里程计B. 紧耦合激光-视觉-惯性里程计C. 方法要点III.系统概述IV. 方法论A. IMU里程计因子1) IMU预积分因子:2) IMU里程计优化:B.激光惯性里程计因子1) 基于PCA的特征提取2) 多尺度ICP因子3) 激光惯性里程计优化4) 动态八叉树C.视觉惯性里原创 2021-11-04 09:20:26 · 948 阅读 · 1 评论 -
SLAM库学习: 从因子图到GTSAM
SLAM库学习: 从因子图到GTSAM一、从贝叶斯网络到因子图优化1. 贝叶斯网络2. 因子图3. 非线性最小二乘问题4. 线性最小二乘问题(1) QR分解(2) Cholesky 分解二、iSAM2三、GTSAM实战一、从贝叶斯网络到因子图优化1. 贝叶斯网络分析上图的贝叶斯网络,机器人状态x0x_0x0、x1x_1x1、x2x_2x2、x3x_3x3满足一阶马尔科夫性;空间中存在路标l1l_1l1、l2l_2l2、l3l_3l3;而z1z_1z1到z8z_8z8分别代表了在机器原创 2021-10-19 11:38:47 · 3267 阅读 · 0 评论 -
自动驾驶常用传感器介绍
自动驾驶常用传感器介绍一、摄像头1. 概述2. 摄像头在自动驾驶中的应用3. 车规级摄像头性能要求4. 摄像头的优劣势分析5. 摄像头关键参数二、激光雷达1. 概述2. 工作原理3. 激光雷达的特性4. 激光雷达的分类5. 激光雷达在自动驾驶中的应用三、毫米波雷达1. 概述2. 工作原理3. 在自动驾驶行业中的应用4. 毫米波雷达的优劣势5. 毫米波雷达性能参数四、惯性传感器(IMU)1. 概述2. IMU的特性3. 在自动驾驶中的应用五、GNSS与RTK1. GNSS介绍2. RTK介绍3. 在自动驾驶中原创 2021-07-04 17:59:39 · 8093 阅读 · 0 评论 -
惯性导航(IMU)误差分析
惯性导航(IMU)误差分析一、姿态误差分析1.写出不考虑误差时的微分方程2.写出考虑误差时的微分方程3.写出真实值与理想值之间的关系(1)姿态误差的引入(2)imu角速度误差的引入(3)关联误差的引入4.把真实值与理想值之间的关系,带入误差时的微分方程5.把第一步中不考虑误差时的微分方程带入第四步方程6.简化方程二、速度误差分析三、位置误差分析一、姿态误差分析1.写出不考虑误差时的微分方程以“东-北-天(E-N-U)”坐标系为导航坐标系(n系)“右-前-上”坐标系为(b系)时,姿态微分方程可以表示为原创 2021-06-02 22:59:14 · 8813 阅读 · 1 评论 -
《多传感器融合定位》惯性导航基础(二)
惯性导航基础习题二四、一组对自定义数据进行惯性导航解算验证1.使用gnss-ins-sim仿真imu运动数据2.对自定义运动惯性导航解算(1)数据读取(2)航迹解算(3)实验对比五、遇到的问题1.imu_tk编译问题2.Ceres问题四、一组对自定义数据进行惯性导航解算验证要求:数据可以使用仿真数据,也可以使用kitti数据集中的数据,只不过使用kitti数据时要修改kitti2bag的代码,把imu的输出频率恢复成100hz,它的原版程序在生成bag时对数据做了降频。由于mems惯导误差发散快原创 2021-05-31 23:01:45 · 1472 阅读 · 3 评论 -
《多传感器融合定位》惯性导航基础(一)
惯性导航基础习题一、仿真imu数据,并用Allan方差进行分析1.使用gnss-ins-sim进行imu数据仿真(1)官方例程demo_allan.py代码解析(1)官方例程demo_allan.py运行二、设计一种转台旋转方案,并基于仿真数据进行内参求解的验证一、仿真imu数据,并用Allan方差进行分析imu数据仿真程序地址: https://github.com/Aceinna/gnss-ins-sim.Allan方差分析代码地址: https://github.com/gaowenliang/原创 2021-05-30 22:35:00 · 1849 阅读 · 2 评论