激光雷达SLAM

（1）(1.12) LeddarTech LeddarVu8

文章目录前言1连接到自动驾驶仪2参数说明前言LeddarTechLeddarVu8是一款长距离（185m）激光雷达，可在16度至99度视场范围内提供8个单独的距离，具体取决于所使用的型号。
EmotionFlying·2023-11-06 09:05

激光雷达上车，自动驾驶的下一步？

而这也意味着“激光雷达上车”已经成为了汽车智能
高工智能汽车·2023-11-06 09:55

卡尔曼家族从零解剖-(03)贝叶斯滤波→公式推导与示例

讲解关于slam一系列文章汇总链接:史上最全slam从零开始，针对于本栏目讲解的卡尔曼家族从零解剖链接:卡尔曼家族从零解剖-(00)目录最新无死角讲解：https://blog.csdn.net/weixin
江南才尽，年少无知！·2023-11-06 06:40

卡尔曼家族从零解剖-(05)卡尔曼滤波→公式推导，应用通俗讲解，c++代码示例

讲解关于slam一系列文章汇总链接:史上最全slam从零开始，针对于本栏目讲解的卡尔曼家族从零解剖链接:卡尔曼家族从零解剖-(00)目录最新无死角讲解：https://blog.csdn.net/weixin
江南才尽，年少无知！·2023-11-06 06:58

卡尔曼家族从零解剖-(04)贝叶斯滤波→细节讨论,逻辑梳理,批量优化

讲解关于slam一系列文章汇总链接:史上最全slam从零开始，针对于本栏目讲解的卡尔曼家族从零解剖链接:卡尔曼家族从零解剖-(00)目录最新无死角讲解：https://blog.csdn.net/weixin
江南才尽，年少无知！·2023-11-06 06:57

MATLAB算法实战应用案例精讲-【图像处理】SLAM技术详解（基础篇）

目录几个高频面试题目SLAM框架常见方案对比点云数据传感器视觉SLAM框架SLAM框架之视觉里程计
林聪木·2023-11-06 05:34

SLAM从入门到精通（被忽视的基础图像处理）

联系信箱：[email protected]】工业上用激光slam的多，用视觉slam的少，这是大家都知道的常识。毕竟对于工业来说，健壮和稳定是我们必须要考虑的事情。
嵌入式-老费·2023-11-06 05:27

机器人软硬件系统集成

选择和安装传感器：不同类型的传感器，如视觉传感器、力传感器、激光雷达等，需
FL17171314·2023-11-05 20:52

BEV-YOLO 论文学习

目前主流的研究方向有两个：第一种传感器融合方案整合激光雷达、相机和毫米波雷达，和第二种纯视觉方案。传感器融合方案的感知表现鲁棒，但是成本高，所要面临的环境挑战不少，因此大规模部署不太现实。
calvinpaean·2023-11-05 17:23

点云从入门到精通技术详解100篇-基于语义 SLAM 的点云融合（续）

目录3.2语义SLAM系统框架（SemanticSLAMSystemFramework）3.2.1基于YOLOv3的目标检测3.2.2点云语义标签
格图素书·2023-11-05 09:47

点云从入门到精通技术详解100篇-基于 3D 激光雷达的车厢冻煤存量检测（续）

目录3.2点云数据校正(Pointclouddatacorrection)3.2.1基于静态点云的倾斜校正3.2.2激光雷达运动畸变去除
格图素书·2023-11-05 06:11

自学SLAM（7）非线性优化实践：曲线拟合问题（使用ceres库和SLAM常用的g2o库）

前言本次文章针对的是第四个视屏中的实践问题肯定会有部分方法没有说到，比如高斯牛顿法，后面我会把此次视屏对应的作业写好，然后补充到此次博客！！文章目录前言1.曲线拟合题目：2.非线性最小二乘2.1黄金分割法(0.618法)2.2最速下降法3.ceres库实现曲线拟合题目3.1安装ceres3.2代码及运行4.g2o库实现曲线拟合题目4.1安装g2o4.2代码及运行1.曲线拟合题目：设有曲线满⾜以下⽅
Chris·Bosh·2023-11-05 04:33

langchain agent工具介绍（一）

原文：langchainagent工具介绍（一）_牛客网AWSLambda功能:无服务器计算服务类别:底层加强重要程度:⭐️⭐️AWSLambdaAPI是一个由AmazonWebServices(AWS
javastart·2023-11-05 02:34

《视觉SLAM十四讲》公式推导（二）

CH3-5四元数表示旋转三维空间中任意点均可用一个纯虚四元数表示即p=[0,v]T\boldsymbol{p}=[0,\boldsymbol{v}]^Tp=[0,v]T，经一个单位四元数q\boldsymbol{q}q的旋转后，得到p′\boldsymbol{p'}p′，则p′=qpq−1(3-5-1)\boldsymbol{p'}=\boldsymbol{q}\boldsymbol{p}\bol
算法导航·2023-11-05 02:28

《视觉SLAM十四讲》公式推导（一）

文章目录CH3三维空间刚体运动CH3-1旋转矩阵的推导CH3-2旋转矩阵是正交矩阵的证明CH3-3变换矩阵的逆的推导CH3-4罗德里格斯公式推导CH3三维空间刚体运动CH3-1旋转矩阵的推导（1）二维空间中的旋转矩阵易得{x′=∣OP′∣cos(θ+β)=∣OP∣(cosθ⋅cosβ−sinθ⋅sinβ)=xcosβ−ysinβy′=∣OP′∣sin(θ+β)=∣OP∣(sinθ⋅cosβ+cos
算法导航·2023-11-05 02:27

《视觉SLAM十四讲》公式推导（三）

文章目录CH3-8证明旋转后的四元数虚部为零，实部为罗德里格斯公式结果CH4李群与李代数CH4-1SO(3)上的指数映射CH4-2SE(3)上的指数映射CH4-3李代数求导对极几何：本质矩阵奇异值分解矩阵内积和迹CH3-8证明旋转后的四元数虚部为零，实部为罗德里格斯公式结果前面已经推导过v′=pvp∗=pvp−1v'=pvp^*=pvp^{-1}v′=pvp∗=pvp−1其中，v=[0,v⃗]v=
算法导航·2023-11-05 02:57

《视觉SLAM十四讲》-- 概述与预备知识

文章目录01概述与预备知识1.1SLAM是什么1.1.1基本概念1.1.2视觉SLAM框架1.1.3SLAM问题的数学表述1.2实践：编程基基础1.3课后习题01概述与预备知识1.1SLAM是什么1.1.1
算法导航·2023-11-05 02:24

项目实训（7）qt与pcl2：ui显示pcl点云

waitForShutdown();}wait();-----------------------boolQNode::init(){ros::init(init_argc_,init_argv_,"qt_slam_ui_node
Lukeeeeeee！·2023-11-04 21:40

vslam论文14：Monocular Visual-Inertial Odometry with Planar Regularities（ICRA 2023）

摘要最先进的单目视觉惯性里程计(VIO)方法依赖于稀疏点特征，部分原因是它们的效率、鲁棒性和普遍性，而忽略了高级结构规律，如平面，这些在人造环境中很常见，可以用来进一步约束运动。一般来说，由于平面的存在空间很大，可以用相机观察平面很长一段时间，因此可以进行长期导航。所以，在本文中，我们设计了一种新颖的实时单目VIO系统，该系统在轻量级多状态约束卡尔曼滤波器(MSCKF)中由平面特征完全正则化。我们
xsyaoxuexi·2023-11-04 19:40

vslam论文21：基于点、面图的高效视觉惯性导航（ICRA 2023）

摘要相对于全局先验地图，精确和实时的全局姿态估计在许多应用中是必不可少的，例如微型飞行器和增强现实的物流。假设纯稀疏的三维点图可以提供环境的无结构表示，那么生成点平面先验图可以进一步建模环境拓扑并为精确定位提供全局约束。为了实现这一点，我们提出了一个基于滤波器的大规模视觉惯性里程计系统，称为PPM-VIO，它利用点平面图来纠正累积漂移。该系统利用语义信息检测稀疏点云的共面信息，通过几何约束、语义约
xsyaoxuexi·2023-11-04 19:40

vslam论文1：Range-Focused Fusion of Camera-IMU-UWB for Accurate and Drift-Reduced Localization(RAL2021)

准确、低飘移定位的相机-IMU-UWB聚焦距离融合摘要：在这项工作中，我们提出了一种紧耦合的单目摄像机、6自由度IMU和单个未知UWB锚融合方案，以实现精确和减少漂移的定位。具体地说，该文章聚焦于将UWB传感器整合到现有的最先进的视觉惯性系统。为实现这一目标，之前的工作使用单个最近的UWB距离数据来更新滑动窗口中的机器人位置(“聚焦位置”)，并展示了令人鼓舞的结果。然而，这些方法忽略了：1)UWB
xsyaoxuexi·2023-11-04 19:10

vslam论文4：Dynam-SLAM: An Accurate, Robust Stereo Visual-Inertial SLAM Method in Dynamic Environments

出版：TRO2022摘要大多数现有的基于视觉的SLAM系统及其变体仍然假设观测是绝对静态的，无法在动态环境中表现良好。
xsyaoxuexi·2023-11-04 19:10

vslam论文2：FEJ-VIRO: A Consistent First-Estimate Jacobian Visual-Inertial-Ranging Odometry（ IROS-2022）

FEJ-VIRO:一种一致的第一估计雅可比视觉-惯性-测距里程计一、摘要最近几年，VIO已经实现了很多显著的进步。然而，VIO方法在长期轨迹中会遭受定位飘移。在这篇文章中，我们提出FEJ-VIRO通过一致地将UWB测量值整合到VIO框架去减少VIO的定位飘移。考虑到UWB锚的原始位置通常无法获取，我们提出一种长短窗结构去初始化UWB锚的位置，和状态增广的协方差。初始化后，FEJ-VIRO同时估计U
xsyaoxuexi·2023-11-04 19:40

德鲁周记06--VSLAM从入门到入坟

VSLAM入门介绍基础知识三维空间的刚体运动欧式变换四元数欧拉角李群与李代数线性拟合相机单目相机双目相机深度相机基本框架视觉里程计特征匹配ORB直接法对比后端优化EKFBA(BundleAdjustment
安德鲁JANKENPAN·2023-11-04 19:38

IMU在slam系统中的应用(一)

（1）IMU简介IMU：InertialMeasurementUnit，惯性测量单元，典型的轴IMU以较高频率返回被测物体三个不同方向的角速度和角加速度，包括，，，，，。但是受到自身温度、零偏和振动等因素干扰，积分得到的姿态变换容易发生偏移。视觉定位：以图像的形式记录数据（单目、双目和）等，通过特征点或者像素推断相机位姿变化，频率一般为。方案IMU视觉优势快速响应不受成像质量的影响角速度普遍比较准
不会算法的阿召·2023-11-04 19:38

【VSLAM系列】三：Vins-Mono论文笔记

VINs-Mono论文1.VINS-Mono的特点：1.未知初始状态的鲁棒性初始化过程2.带imu-camera外参校准和imu校准的紧耦合，基于非线性优化的单目VIO系统3.在线重定位和四个自由度的全局姿态图优化。4.姿态图可以保存，加载，并和局部姿态图进行合并。2.传感器数据处理摄像头和imu数据融合方法：1.松耦合法，imu是独立于摄像头的模块，常使用EKF算法，imu数据此时用于状态传播，
塞拉摩·2023-11-04 19:06

vSLAM中IMU预积分的作用--以惯性导航的角度分析

作为一个学过一点惯导的工程师，在初次接触视觉slam方向时，最感兴趣的就是IMU预积分了。但为什么要用这个预积分，在看了很多材料和书后，还是感觉模模糊糊，云里雾里。
清风微升至·2023-11-04 19:36

ROS自学笔记二十六：导航中激光雷达消息

在ROS导航中，激光雷达（LaserScanner）通常被用于感知机器人周围的环境，进行障碍物检测和建图，以支持导航。
ironmao·2023-11-04 15:13

python_从文件读取经纬度并统计之间的距离

sqrt,pi,atan,tan,atan2#这个算法和geographiclib算的几乎一样，相差1e-12and--iterLimit>0):sinLambda=math.sin(lambda1)cosLambda
ramsey17·2023-11-04 15:03

激光雷达录制pcap类型的包

查看IP上图中的eno1就是网卡名，就可以使用如下命令录制sudotcpdump-ieno1host192.168.1.200-wlidar.pcap-i后面是网卡名，host后面是ip，-w后是pcap包名称。
RobotsRuning·2023-11-04 10:26

速腾聚创80线激光雷达 ros1 驱动安装和线数屏蔽（亲测可用）

目录1.激光雷达硬件连接1.1工具准备1.2硬件连接2.软件安装2.1rslidar_sdk2.2Yaml(必需)2.3libpcap(必需)2.4编译、运行3.屏蔽部分雷达通道最近课题组新入手个80线的雷达
RobotsRuning·2023-11-04 10:25

多激光雷达RS-LiDAR与华测CGI-630时间硬同步

相关硬件GNSS：华测CGI-630RS-LiDAR-16（两个）RS-LiDAR-321.硬件连接1.1RS-LiDAR激光雷达RS-LiDAR出厂默认接驳InterfaceBOX。
RobotsRuning·2023-11-04 10:25

视觉SLAM十四讲 读书编程笔记 Chapte3 三维空间刚体运动

三维空间刚体运动旋转矩阵内积和外积坐标间的欧式变换变换矩阵与齐次坐标实践：Eigen1.ubuntu下Eigen的安装2.Eigen头文件3.Eigen::Matrix()4.用，内积可以描述两个向量间的投影关系。外积：外积的方向垂直与这两个向量，大小为|a||b|sin,是两个向量张成的四边形的有向面积。值得强调的是，对于外积，我们引入了^符号，用这个符号将向量a转换成了一个反对称矩阵，所以该符
Leo-Ma·2023-11-04 06:24

视觉slam十四讲ch3三维空间刚体运动（包含实践部分）

1.2.2表达方式与读法1.3变换矩阵与齐次坐标1.3.1特殊欧氏群SE（3）2.实践：Eigen3.旋转向量和欧拉角3.1旋转向量3.1.1罗德里格斯公式：3.2欧拉角3.2.1引出欧拉角：3.2.2slam
shikaikaikaikai·2023-11-04 06:20

三维空间刚体运动3：欧拉角表示旋转（全面理解万向锁、RPY角和欧拉角）

1.1定义1.2RPY角与Z-Y-X欧拉角2.欧拉角到旋转矩阵3.旋转矩阵到欧拉角4.万向锁4.1定义4.2顺规ZYX的万向锁4.3解决方法5.实践：Eigen几何模块序：本篇系列文章参照高翔老师《视觉SLAM
shao918516·2023-11-04 06:19

视觉SLAM③：三维空间的刚体运动

目录3.0本章目标3.1点与坐标系3.1.1点、向量和坐标系3.1.2坐标系间的欧氏变换3.1.3变换矩阵与齐次坐标3.2实践：Align3.3旋转向量和欧拉角3.3.1旋转向量3.3.2欧拉角3.4四元数3.4.1四元数的定义3.4.2四元数的运算3.4.3用四元数表示旋转3.4.4四元数到其他旋转表示的转换3.0本章目标主要目标1．理解三维空间的刚体运动描述方式:旋转矩阵、变换矩阵、四元数和欧
APS2023·2023-11-04 06:19

在window系统用 python 做slam回环检测和图优化位姿（附代码思路）

因为fastlio没有回环模块，现有的添加回环的一些github项目工程又各自有各自的问题，所以我把它每个节点的点云数据和位姿信息保存了下来，自己做一个单独的回环图优化模块，和LIO激光里程计模块完全解耦，并且要足够简单，使用一个python代码程序文件即可实现，同时要在window系统也可以运行，经过一些时间的尝试，最后做好了这个代码工具。特点：松耦合，以后可以和任意新发布的里程计结合使用来进行
点云-激光雷达-Slam-三维牙齿·2023-11-03 23:53

激光雷达标定板提高自主驾驶功能的感知精度

激光雷达（LiDAR）是一种通过发射激光束并测量反射回来的时间来测量目标距离和形状的传感器。为了提高激光雷达的感知精度和稳定性，需要进行激光雷达标定，以确定其激光束的准确性和稳定性。
JYGD686868·2023-11-03 17:32

激光雷达标定板如何提高激光雷达避免误判的精准度

激光雷达在提高自动驾驶的安全性方面具有重要作用。它通过高精度测量、避免误判、实时感知、适应不同环境和结合其他传感器等方式，为自动驾驶系统提供准确、可靠的感知数据，从而确保行驶的安全性和稳定性。
JYGD686868·2023-11-03 17:32

【视觉SLAM】----Meshlab安装

在linux系统中，打开终端命令，输入以下代码sudoadd-apt-repositoryppa:zarquon42/meshlabsudoapt-getinstallmeshlab卸载meshlab命令：sudoapt-getremovemeshlab
挪威的深林·2023-11-03 16:39

去ros所需的工作总结

首先欢迎扫码关注我的微信公众号【SLAM及ROS学习笔记】1.cartographer去rosCartographer是谷歌开源的一个slam框架，他各个模块独立性很强,代码鲁棒性非常高,很少出现莫名崩掉的情况
kobesdu·2023-11-03 15:44

【cartographer without ros】一、不带Ros的快速安装

Cartographer是一个跨多个平台和传感器配置提供2D和3D实时同步定位和映射(SLAM)的系统。
CloudFlame·2023-11-03 15:42

cartographer去ros

cartographer去rosCartographer是谷歌开源的一个slam框架，他各个模块独立性很强,代码鲁棒性非常高,很少出现莫名崩掉的情况,而且编写的架构很好。
kobesdu·2023-11-03 15:40

占据栅格地图构建（Occupancy Grid Map）

看过前面文章的小伙伴肯定都知道，gmapping算法把SLAM问题分解成两个部分，定位问题和地图构建问题。而gmapping中的地图构建就是采用占据栅格地图构建算法实现的。
白茶-清欢·2023-11-03 13:29

gtsam初探以及结合LIO-SAM算法的一些理解

概述GTSAM（GeorgiaTechSmoothingandMapping）是基于因子图的C++库，本篇基于GTSAM对因子图优化做一个简单了解和梳理，并以LIO-SAM为例进一步分析因子图优化在SLAM
Lusix1949·2023-11-03 13:36

JavaSE-11-Lambda表达式和Stream流

TableofContentsLambda表达式和Stream流1：Lambda表达式1.1什么是lambda表达式1.2：Lambda表达式的用法1.3：Lambda表达式总结：2：函数式接口2.1：
苍煜·2023-11-03 01:44

SLAM就业问题汇总复习

9.某个SLAM框架工作原理，优缺点，改进。10.Ransac框架的实现。11.简单实现cv::Mat()12.卡尔曼滤波、粒子滤波
zkk9527·2023-11-02 23:36

一起做RGB-D SLAM(3)

第三讲特征提取与配准师兄：同学们大家好，又到我们每周一次的“一起做RGB-DSLAM”时间啦！大家还记得上周我们讲了什么东西吗？小萝卜：等一下师兄！我们的博客什么时候变成每周一更了？
叶落寒蝉·2023-11-02 23:35

一起做RGB-D SLAM (3)

第三讲特征提取与配准上讲回顾在上一讲中，我们介绍了如何把2D图像坐标转换为3D空间坐标。然后，利用推导的数学公式，实现了把图像转化为点云的程序。在上一讲的末尾，我们给出了一道作业题，希望读者去把这两件事做成一个函数库，以供将来调用。不知道大家回去之后做了没有呢？小萝卜：读者这么勤奋肯定已经做好了啦！师兄：嗯，所以呢，这一讲里面我们就要用到上面两个函数了。在讲解本讲的内容之前，先介绍一下我们是如何封
ideallic·2023-11-02 23:01

高翔orbslam_高翔Slambook第七讲代码解读（特征点提取）

作为一个视觉SLAM的入门学徒，高翔的书我看了一遍，视频也跟了一遍，代码在自己的电脑上也跑过，但总觉得跟啥都没学没有太大区别。于是乎决定开始看代码。
weixin_39872257·2023-11-02 20:35
上一页 14 15 16 17 18 19 20 21 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他