移动机器人与移动测量
文章平均质量分 62
移动机器人与移动测量知识
xinxiangwangzhi_
这个作者很懒,什么都没留下…
展开
-
点云配准--Fast Global Registration
目标函数1是很难直接进行优化的,我们利用Black -Rangaration对偶(对偶:即等价的)处理目标函数1,Black -Rangaration对偶是稳健估计和线性的。我们直接优化所有点云的全局位姿。如果F§和F(q)互为最近邻点,则通过互惠性检验,是一个对应关系对,将所有通过互惠性检验的对应关系集合记为。是由匹配点从P和Q中获得的对应集合,我们的目标是优化位姿T,使得对应点之间的距离最小化,同时拒绝。对于点p的F§,在F(Q)中找到p点的最近邻点,同样对于点q,在F§中找到q的最近邻点。原创 2023-03-22 22:23:12 · 481 阅读 · 0 评论 -
鱼眼相机模型
对于畸变改正,应用Kannala-Brandt 模型,则上面四种投影方式会得到相同的改正形式,改正后的。分别为针孔模型、鱼眼模型的像点到图像坐标系原点的距离,P’为P在相机坐标系。以及Kannala模型,位于cv::fisheye命名空间。a,b,R可以根据坐标和计算出来,现在的问题是怎么求解。(黑色点)为针孔相机投影到图像平面的点,对于针孔模型而言,光束是沿直线传播的,即。,所以:二者与y轴的夹角相等,记为。为像点到图像坐标系原点的距离。,物体在相机坐标系下的坐标为。最常用的为等距投影模型。原创 2023-03-22 20:52:23 · 928 阅读 · 0 评论 -
imu与lidar外参手眼标定
激光雷达手眼标定转载 2023-02-07 17:28:09 · 909 阅读 · 0 评论 -
PnP问题
PnP(Perspective-n-Point)是求解3D到2D点对运动的方法,目的是求解相机坐标系相对世界坐标系的位姿。它描述了已知n个3D点的坐标(相对世界坐标系)以及这些点的像素坐标时,如何估计相机的位姿(即求解世界坐标系到相机坐标系的旋转矩阵和平移向量)。转载 2023-02-02 22:41:51 · 278 阅读 · 0 评论 -
手眼标定概述
手眼标定是机器人和计算机视觉中常用的标定方法。其一般用于imu和相机的标定,后来又拓展到imu和激光雷达,以及激光雷达与相机之间的标定。手眼标定主要利用传感器两次运动之间的关系标定外参。具体原理不难,关于如何求解手眼标定方程也有许多工作。原创 2023-02-02 22:32:22 · 318 阅读 · 0 评论 -
移动机器人传感器外参标定综述
传感器外参标定原创 2022-11-21 17:39:32 · 626 阅读 · 0 评论 -
移动机器人(移动测量)坐标系
文章目录1、移动机器人(移动测量)7个坐标系1.1扫描仪(激光雷达)坐标系1.2惯导坐标系1.3载体坐标系1.4惯性坐标系1.5当地水平坐标系1.6地心地固坐标系1.7高斯投影坐标系2坐标系转换需要的参数:2.1安置位置2.2杆臂值2.3载体与惯导关系3扫描仪坐标系转到高斯投影坐标系的过程:1、移动机器人(移动测量)7个坐标系1.1扫描仪(激光雷达)坐标系记为L激光扫描坐标系由仪器厂商自己定义,表示扫描点云的原始坐标,为右手直角坐标系1.2惯导坐标系记为I惯导坐标系一般由厂家自己定义。原点为惯原创 2022-04-09 22:19:44 · 2003 阅读 · 0 评论 -
ceres求解非线性方程组
参考官网和一些文档试着写下以下非线性方程组求解除了官网文档,以下文档也值得学习:博客1博客2后方交会使用 Ceres Solver 求解非线性优化问题,主要包括以下几部分:【STEP 1】构建优化问题(ceres::Problem)【STEP 2】构建代价函数(ceres::CostFunction) 或残差(residual)【STEP 3】配置代价函数和损失函数(ceres::Problem::AddResidualBlock):通过 AddResidualBlock 添加代价函数(co原创 2022-01-08 19:32:30 · 1226 阅读 · 4 评论 -
ceres最小二乘库--拟合曲线及代码分析
Ceres是谷歌开发的C++最小二乘库,可以用于求解线性和非线性最小二乘问题。最小二乘法的线性与非线性求解方法和Ceres配置可参考之前的博客。参考资料slam2案例123原创 2021-04-14 11:40:59 · 276 阅读 · 0 评论 -
Ubuntu18.04配置ceres库
ceres被广泛用于解决最小二乘问题,最小二乘分为线性最小二乘和非线性最小二乘,其对应的数值解决方法通常为梯度法、直接法和梯度方法、牛顿法、高斯牛顿法、LM算法,可以参考之前的博客。1下载可以在github官方下载(官方版本会和eigen3(3.3.7)有冲突,编译时会报错),我选择了按照slam14讲第二版里面的方法,因此这里在高博git下载。2安装2.1按照slam14讲打开终端输入sudo apt-get install liblapack-dev libsuitespars原创 2021-01-22 12:05:41 · 978 阅读 · 0 评论 -
在SSD中安装win10+Ubuntu18.05
新买个ssd固态,装一下双系统,特记录以下主要参考教程win10 ubuntu18准备工作:空间大于8g的空U盘Ubuntu安装适用条件:BIOS模式为UEFI,磁盘分区形式为GUID分区表(GPT),win10无所谓1安装win101.1在微软官网下载官方工具运行,按照提示放到U盘里,官方工具就好使,别用PE系统瞎折腾1.2重启电脑按快捷键,进入BIOS模式,从U盘启动电脑,不同电脑快捷键不一样,看前面的win10教程链接,总体来说win10安装不难。1.3硬盘分区在磁盘管理原创 2021-01-07 11:15:42 · 347 阅读 · 1 评论 -
点云配准综述
1基本概念点云配准定义:通过求解坐标转换关系,将连续扫描的两帧或多帧激光点云统一到同一坐标系(scan–to-scan),或者将当前扫描点云与以建立的地图进行配准(scan-to-map)从而最终恢复载体位置和姿态的变化。slam配准:为了得到相对姿态变化,在实时性与精度之间取得平衡测绘点云配准(拼接):得到坐标系统一的点云,更注重精度二者解决的是同一个问题。2配准方法分类文章主要从scan-to-scan内容,分为三类,基于点的配准icp类,基于特征的配准,基于数字特性的配准NDT类。各自的原创 2021-01-05 11:50:25 · 3229 阅读 · 0 评论 -
移动机器人与移动测量
一般常说的移动机器人即为SLAM。车载移动测量多安装组合导航,激光雷达、相机、轮速传感器汽车进行地理信息数据采集和后处理的工作。二者有很多相同相似之处,但也有很多区别。1(1)定义SLAM:simultaneous localization and mapping移动测量:mobile surveying and mapping(2)内容上从定义可以看出slam的目的是通过同时定位和建图进行导航。移动测量目的是测量物体的位置和属性最终建图,得到的地图可以用于导航和其他用途。surveying原创 2021-01-04 17:52:04 · 409 阅读 · 0 评论 -
移动机器人五种坐标系
以移动机器人导航为例,对移动机器人进行导航计算,首先要选定一个参考坐标系,才能知晓移动机器人的地理位置及其航向与水平姿态。因此,在讨论移动机器人相对于地面运动状态,确定其位置信息时,首先必须建立相对应的参考坐标系。描述移动机器人相对运动时有五种常用的坐标系,分别是地心惯性坐标系(i系)、地球坐标系(e系)、地理坐标系(t系)、载体坐标系(b系)和导航坐标系(n系),如图13-1所示。(1)地心惯性坐标系(OeXiYiZi)。地心惯性坐标系作为测量物体运动信息的参考基准,以地球中心为原点,三轴指向不随原创 2021-01-04 16:58:50 · 4710 阅读 · 0 评论 -
信息融合概念和主要方法
1信息融合又称为数据融合或者多源信息融合可以概括为:充分利用不同时间与空间的多传感器数据资源,如传感器、数据库、知识库、和人类本身获取有关信息,采用计算机技术对按时间序列获得的多传感器观测数据,在一定准则下进行分析、综合、支配和使用,获得对被测对象的一致性解释与描述,进而实现相应的决策和估计,使系统获得比它的个组成部分更充分的信息。2根据信息融合的定义,信息融合技术包含以下几个核心内容:(1)信息融合是在几个层次上完成对多源信息处理的过程,其中每一个层次都具有不同级别的信息抽象。(2)信息融合包括探原创 2021-01-04 11:59:48 · 10671 阅读 · 2 评论