无人驾驶工作记录
1.AutoKernel-4.2.14接口文档阅读,编码格式阅读;
任务1:里面主要看关于topic,key的订阅方面的内容,然后再编写一个简单的订阅程序试试。
解决方法:参考ROS消息订阅与发布进行改写程序。并采用思维导图记录程序逻辑结构与原理。
参考:参考资料网址:https://www.guyuehome.com/34218;
VScode配置,参考网址链接:https://blog.csdn.net/weixin_45417246/article/details/115444048
2.激光雷达和相机的联合标定(Camera-LiDAR Calibration)
(灰度值与反射率联合直方图)
总体思路:传感器测量表面强度的激光雷达和光学系统自动无目标、非本征标定算法。数据驱动方法,不需要基准靶标。CRLB,校准参数方差估计上限,与真值比较。数据量增加,趋近于无偏估计。
三种系统:(1)三维激光雷达和全向相机(2)3D飞行时间传感器和单目相机(3)二维激光雷达和单目相机
外部标定:两个传感器参考坐标系之间刚体变化。
现状:自运动框架,互信息框架,SLAM:激光雷达负责姿态估计,相机进行回环检测
1、利用非本征刚体标定重投影。(a) 三维激光雷达范围数据的透视图,按地平面以上的高度进行颜色编码。(b) 将三维激光雷达点投影到时间对应的全向相机图像上。场景中有几个可识别的物体(例如,人、停车标志、灯柱、树木)。为了视觉上的清晰,只投射附近的物体。(c) 融合激光雷达/相机纹理点云的两种不同视图的描述。每个3D点由对应于该点在图像上的投影的像素的RGB值来着色。
2、提出了一种新颖的地图绘制和定位框架,该框架使用共注册的全向相机图像和激光雷达数据来构建仅包含最具视点鲁棒性视觉特征的地图,然后单独使用单目摄像机在地图内进行在线定位。
3、基于棋盘格的标定方法,激光雷达与摄像机数据(如点对点或点对平面)之间的对应关系可以手动或自动建立,并通过最小化重投影误差来估计标定参数。
联合标定集锦链接描述