位姿测量

位姿跟踪 | 相关内容目录和链接总结（不断更新中~~~）

总结和链接位姿测量|正交迭代（OI）算法的原理及其MATLAB实现介绍正交迭代算法的求解思路和MATLAB代码实现位姿

lovetaozibaby·2023-03-12 07:54

位姿测量 | 正交迭代（OI）算法流程及其Python代码

目录简介OI算法公式推导Python代码结尾简介接位姿测量|正交迭代（OI）算法的原理及其MATLAB实现，本文介绍正交迭代算法的python代码实现。

lovetaozibaby·2023-03-12 07:24

6D 位姿估计位姿测量常用方法总结（适用于单目标场景）

在机器人的应用中，往往会涉及到基于视觉的6D位姿估计或者位姿测量的问题，现在PoseEstimation的论文现在非常多，也有很大的创新，不过目前SOTA的工作一般面向几个特定的数据集，比如LineMod

Musematics·2022-12-27 08:31

ROS学习笔记之——EKF （Extended Kalman Filter） node 扩展卡尔曼滤波

这个包用于评估机器人的3D位姿，使用了来自不同源的位姿测量信息，它使用带有6D（3Dpositionand3Dorientation）模型信息的扩展卡尔曼滤波器来整合来自轮子里程计，IMU传感器和视觉里程计的数据信息

gwpscut·2022-12-09 22:24

matlab如何提取亚像素边缘点,棋盘格图像角点坐标亚像素提取方法

基于视觉测量的物体位姿测量系统通常要求定位系统的标定精度在mm级或以上,达到这个标定级别的关键步骤就在于摄像机标定精度的提高[1].在摄像机标定过程中黑白棋盘格模板图像内部角点的提取精度是非常重要的,因为标定的精度依赖于角点提取的精度

来自星星的萌医生·2022-12-06 09:43

ROS Navigation-----robot_pose_ekf简介

这个包用于评估机器人的3D位姿，使用了来自不同源的位姿测量信息，它使用带有6D（3Dpositionand3Dorientation）模型信息的扩展卡尔曼滤波器来整合来自轮子里程计，IMU传感器和视觉里程计的数据信息

倔强不倒翁·2020-08-16 04:49

robot_pose_ekf——基于EKF的Odometry+IMU+VO+GPS融合定位

了解ROS的robot_pose_ekf软件包中扩展卡尔曼滤波器的用法：robot_pose_ekf软件包用于基于来自不同来源的（部分）位姿测量值来估计机器人的3D姿势。

W_Tortoise·2020-08-15 23:33

30万|项目需求——针对点云立体重构的位姿测量技术

点击上方“3D视觉工坊”，选择“星标”干货第一时间送达项目需求：针对点云立体重构的位姿测量技术需求内容：叉车在搬运货物的时候需要插取叉取，叉车孔的尺寸如图1所示，拟采用传感器完成叉车货叉与插孔的立体重构的方式完成货叉臂与货叉孔的相对六维位姿测量

3Ｄ视觉工坊·2020-07-27 18:19

基于PNP问题的位姿测量方法

位姿测量方法有多种，针对不同的条件，选择最合适的位姿测量方法。其中，最常用的是基于PnP问题的位姿测量。

lyhbkz·2020-06-24 10:39

OpenCV:solvePnP参数介绍

转自https://www.jianshu.com/p/b97406d8833c背景介绍由于实验室项目的原因，最近学习了基于PNP方法的绝对位姿测量。

originalcandy·2018-12-07 21:45

ros ekf融合odom imu ov信息

1.这里是ros_ekf_pose包的简单介绍:这个包用于评估机器人的3D位姿，使用了来自不同源的位姿测量信息，它使用带有6D（3Dpositionand3Dorientation）模型信息的扩展卡尔曼滤波器来整合来自轮子里程计

学之之博未若之之要-知之之要未若行之之实·2018-10-16 18:34

【位姿测量】可能影响畸变参数的若干因素

1镜头焦距与畸变镜头畸变实际上是光学透镜固有的透视失真的总称，这是透镜的固有有特性（凸透镜汇聚光线、凹透镜发散光线），所以无法消除，只能改善。一般情况下，定焦镜头焦距越长畸变越小，而焦距越短畸变就越大，这是一个普遍的规律。结论1：5mm镜头制作的凸透镜较凸，畸变相比长焦镜头就较大。2标的板到相机的距离与畸变使用同一尺寸标定板，其到相机距离越大，标定的畸变误差越大说明在定板其到相机距离约3米处，标定

苏源流·2018-05-25 11:19

Opencv:SolvePNP

背景介绍由于实验室项目的原因，最近学习了基于PNP方法的绝对位姿测量。

喻茸sophie·2017-12-08 06:49

问题源1——滤波理论与应用

一、kalman滤波器为什么需要用概率方法来解决机器人位姿的估计问题因为机器人位姿测量或者观测存在一系列的不确定性，也就是说我们需要获得的信息隐藏在包含噪声的信号中，这些噪声导致了解决问题的不确定性

peterli_xue·2012-05-12 15:00

推荐频道