一起做激光反光板
文章平均质量分 81
搭建一套基于激光反光板的EKF建图定位系统
叶落寒蝉
北航QEL机器视觉&人工智能
展开
-
一起做激光反光板(六)-基于滑窗的EKF-SLAM及外参自动标定公式推导
在第四篇中已经提到,如果场景中反光板不够多,容易造成EKF系统效果不好的问题,且我们还想用上其他的点云信息,保证在反光板不够的情况下仍能够正确的收敛。我们考虑扩充观测信息:(1)角点和线段特征,加法和反光板加法类似,因此,不再详细展开,其中线段特征的提取,我们打算采用黄国权老师实验室github上的工程;(2)激光前后帧的ICP:我们打算使用黄国权老师实验室改进的 libPointMatcher或者ROS自带的点线ICP,做帧间ICP,能够拿到当期帧和上一帧的相对位姿及协方差矩阵;(3)当前激光帧的原创 2020-11-26 09:08:25 · 2129 阅读 · 4 评论 -
一起做激光反光板(五)-基于EKF的激光雷达外参在线估计公式推导
在上一篇中已经提到,我们打算把激光雷达坐标系到车体中心坐标系之间的外参进行在线估计。假如激光雷达的外参标定精度较差,对EKF系统会有影响,此外,假如在车体运动过程中,由于抖动等造成激光雷达安装位置发生了变化,则在线估计在所难免。在以下推导中,我们不再区分建图和定位过程,都统一认为:老反光板地图可有可无,状态空间中维护新的反光板位置。在线外参估计EKF公式推导状态空间至少包含6个自由度:机器人的实时位姿x,y,θx,y,\thetax,y,θ,和激光雷达坐标系到车体坐标系的转换:lbx,lby,lbθ^原创 2020-11-26 09:07:49 · 1633 阅读 · 0 评论 -
一起做激光反光板(四)-框架搭建
我们已经推导了基本的反光板建图和定位的基本公式,接下来,开始搭建一个框架,尝试进行反光板的建图定位的代码加进去。首先,搭建一个ROS框架,在我的个人github的reflector_ekf_slam上上传一个基于激光反光板的EKF建图定位方案。基本框架:ROS接收topic:scan: sensor_msgs::LaserScanodom: nav_msgs::Odometry需要注意的是:(1)轮速计数据必须有线速度和角速度,轮速计的方差写死了:Qu_ << 0.02 * 0原创 2020-11-21 22:08:26 · 3847 阅读 · 20 评论 -
一起做激光反光板(三)-EKF建图公式推导
继续EKF建图公式推导。构建反光板地图和定位篇有很大部分的重复。因为上一篇其实也包含了建图。如果已经有初始的反光板地图,且初始的反光板地图不允许优化,且允许添加新的反光板,则该公式和上一篇所使用的公式一模一样;如果已经有初始的反光板地图,且初始的反光板地图允许被优化,且允许添加新的反光板,该种相当于反光板地图的更新,暂时不考虑反光板地图的更新;本部分只考虑没有初始反光板地图的情况,从零开始添加反光板。建图EKF公式推导初始的状态空间为x,y,θx,y,\thetax,y,θ,在建图过程中,该状态原创 2020-11-13 20:26:18 · 1720 阅读 · 7 评论 -
一起做激光反光板(二)-EKF定位公式推导-扩展状态空间
扩展状态空间原创 2020-11-13 20:24:16 · 2075 阅读 · 10 评论 -
一起做激光反光板(一)-EKF定位公式推导
前提:本文只考虑平面运动。EKF的公式及原理不再细述:EKF原理观测:观测数据为反光板。反光板的检测暂时也不考虑。(一般来说,反光板的检测都是基于反射强度来做的,需要自己手写,如果有疑问留言)。预测:以轮速计为例,我们只使用轮速计的线速度和角速度,轮速计的模型,我们使用轮速计模型博客中提到的模型。定位EKF公式推导假如我们已经事先构建了一个地图(后续再考虑),地图中包含MMM个反光板:每个反光板还会有一个协方差矩阵,该矩阵的形式为:假设我们只维护位姿,不考虑新增的反光板,且不更新老地图中反原创 2020-11-11 18:52:16 · 5205 阅读 · 27 评论