激光雷达SLAM 第29页

【视觉SLAM入门】8. 回环检测，词袋模型，字典，感知，召回，机器学习

"见人细过掩匿盖覆”1.意义2.做法2.1词袋模型和字典2.1.2感知偏差和感知变异2.1.2词袋2.1.3字典2.2匹配(相似度)计算3.提升前言：前端提取数据，后端优化数据，但误差会累计，需要回环检测构建全局一致的地图；1.意义通俗的讲，机器人两次经过同一个场景，为了检测是同一个场景，这就是回环检测。它可以用来构建全局一致的地图。有了时隔更加久远的约束，一定程度消除累计飘移。形象的想弹簧，就是

终问鼎·2023-09-19 04:14

【视觉SLAM入门】9.1 建图1---SLAM任务，稠密地图构建，立体视觉，RGBD，八叉树，点云地图等各种不同地图

孰轻孰重3.1鬼影问题3.2三维重建4.总结SLAM的功能：直到现在我们可以知道SLAM包含：定位，导航，避障，重建，交互。在不同的功能下也有不同的地图。

终问鼎·2023-09-19 04:13

使用EuRoC数据集测试ORB-SLAM3

ORB-SLAM3编译安装请参考ORB-SLAM3的CMake与ROS编译以及测试（亲自总结，亲测可用）_RobotsRuning的博客-CSDN博客https://blog.csdn.net/u014374826

RobotsRuning·2023-09-19 02:54

ORB-SLAM2_RGBD_DENSE_MAP编译、问题解决、离线加载TUM数据和在线加载D435i相机数据生成稠密地图

文章目录0引言1安装依赖1.1其他库安装1.2pcl库安装2编译ORB-SLAM2_RGBD_DENSE_MAP2.1build.sh2.2build_ros.sh3运行ORB-SLAM2_RGBD_DENSE_MAP3.1build.sh

ZPILOTE·2023-09-18 13:45

20~50K|智驾科技SLAM算法总监、深度学习、感知定位、高精地图等多个岗位

公司介绍上海智驾汽车科技有限公司（智驾科技MAXIEYE），是一家智能驾驶和智慧出行领域的核心技术服务商。我们为客户及合作伙伴提供全工况、多场景、跨平台的辅助驾驶（ADAS）和自动驾驶（ADS）系统产品及解决方案，以及智能驾驶所需的高性能智能视觉感知系统产品。秉持开放合作的理念，智驾科技MAXIEYE广泛服务于乘用车和商用车前装量产市场，赋能智慧出行产业化落地。智驾科技MAXIEYE集研发、生产和

Tom Hardy·2023-09-18 08:27

SLAM之机器导航Linux基础

1.Linux简介Linux是一个开源、免费的操作系统，它以强大的安全、稳定、多并发性能得到业界的广泛认可，目前linux被使用在很多中大型，甚至巨型项目中。很多软件公司考虑到开发成本，都选用linux，在中国软件公司得到广泛的使用。1.1.Linux系统组成Linux操作系统的核心为LinusTorvalds开发的内核(Kernel)，Linux内核之上的组件分为几部分：一部分是GNU的组件（如

xiaoli8748_软件开发·2023-09-18 07:06

通过slam同步建图程序看ros2节点参数传递生效顺序

缘起：ros2节点参数可以通过启动节点添加，也可以通过launch文件添加，还可以通过配置文件.yaml文件添加，或者是几种方式套用添加，给初学者带来很大的困惑具体是哪个生效了呢，我们拿slam_toolbox

JT_BOT·2023-09-18 05:12

Cartographer源码解析：LocalTrajectoryBuilder3D的点云数据处理流程

Cartographer是一个用于构建2D和3D地图的开源SLAM（SimultaneousLocalizationandMapping）系统。

LogicGuruX·2023-09-18 05:25

cartographer中创建轨迹

需要的输入参数：expected_sensor_ids所有需要的topic的名字的集合trajectory_options轨迹的参数配置local_slam_result_ca

小z小z·2023-09-18 03:04

Co-SLAM——论文解析

Co-SLAM:JointCoordinateandSparseParametricEncodingsforNeuralReal-TimeSLAM神经隐式表征slam（implictneuralrepresentaton

gongyuandaye·2023-09-18 00:35

vMAP——论文解析

vMAP:VectorisedObjectMappingforNeuralFieldSLAMvMAP是一个物体级稠密图neuralSLAM，每一个物体都用一个mlp来表征，而不需要3D先验。

gongyuandaye·2023-09-18 00:33

spread spectrum 展频的工作原理

SSC展频_SlamDunk31598的博客-CSDN博客展频技术是如何搞定时钟信号的辐

lokeyme·2023-09-17 23:43

KinectFusion实战笔记

KinectFusion算法实战笔记引言阅读材料重建数据集算法主要步骤重要概念实战代码解读一些先验知识数据预处理算法主函数数据集的处理体素的融合相机的追踪本文内容总结引言KinectFusion是RGBDSLAM

Stefanie_Song·2023-09-17 23:50

NICE-SLAM: Neural Implicit Scalable Encoding for SLAM论文阅读记录

参考https://zhuanlan.zhihu.com/p/582821039论文阅读Nice-slam的四个目标实时合理预测：传统方法无法做到大场景有效：iMAP或是learning-based方法均未能实现的

weixin_47343723·2023-09-17 23:50

学习SLAM：SLAM进阶（十）暴力更改ROS中的PCL库

话不多说，上活1.1为什么要这么做项目中有依赖。。。。1.2安装VTK7.1.1PCL1.8.0略1.3移植到ROS删除ROS依赖的vtk6.2和PCL1.8.0的动态链接库：liugongwei@ubuntu:~$sudomv/usr/lib/x86_64-linux-gnu/libvtk*Desktop/lib/[sudo]passwordforliugongwei:liugongwei@ub

APS2023·2023-09-17 22:24

【SLAM】坐标系变换与外参标定

【SLAM】坐标系变换与外参标定突然发现学习文档有下面这句话：学习这件事不在乎有没有人教你，最重要的是在于你自己有没有觉悟和恒心。

宏辉·2023-09-17 12:51

【SLAM】三维空间刚体运动

【SLAM】三维空间刚体运动task03本次学习了三维刚体运动和旋转的参数化。三维空间刚体的运动，简单来说由平移与旋转构成。平移指两个点之间的位移，三维空间中其自由度为三。

宏辉·2023-09-17 12:20

【SLAM】视觉SLAM简介

【SLAM】视觉SLAM简介task04主要了解了SLAM的主流框架，清楚VSALM中间接法与直接法的主要区别在什么地方，其各自的优势是什么，了解前端与后端的关系是什么1.什么是SLAM2.VSALM中间接法与直接法的主要区别在什么地方

宏辉·2023-09-17 12:18

辅助驾驶功能开发-功能对标篇(18)-NCA城市辅助系统-华为

版上市时间2022/9/23方案13V5R3L+1DMS摄像头前视摄像头*4【双目+长焦+广角】侧视摄像头*4后视摄像头*1环视摄像头*4DMS摄像头*1雷达毫米波雷达*64D毫米波雷达/超声波雷达*12激光雷达

门开了她来了·2023-09-17 08:17

自动驾驶行业观察之2023上海车展-----车企发展趋势(2)

•宋L：溜背式中型纯电SUV，是王朝系列的高端车型，核心对标TeslaModelY。•海鸥：10万元内的代步车。据官方数据显示，海鸥预售上线24小时订单破万辆，创造了海洋系列车型的一个新纪录。

门开了她来了·2023-09-17 08:47

【VSLAM】HF-Net框架学习（一）——配置环境以及运行Demo程序

因此HF-Net的应用场景就是SLAM中的地图定位与位姿恢复。HF-Net论文地址HF-Net代码地址下面是安装步骤：（1）下载源码git

阿栋阿栋·2023-09-17 07:24

【VSLAM】VINS-Fusion原理及源码解析（一）——初识VINS-Fusion

前言我最近看了下VINS-Fusion的源码及各种解析帖子，想着汇总写一个VINS-Fusion源码解析系列博客，记录一下自己看时的心得体会。本系列博客以VINS-Fusion源码流程为导向，从入口函数一步步讲解前端和后端，最后完成仿真和真机实验部署，希望可以细致入微地对VINS-Fusion作一个完整全面的讲解。一、如何优雅的看本系列博客第一，先下载本博客的学习资料，里面包括了带注释的源码，以及

阿栋阿栋·2023-09-17 07:54

【VSLAM】DXSLAM安装和运行

DXSLAM是一个基于深度CNN特征提取的视觉SLAM系统，论文地址，实测效果不咋地，TUM换个数据集就跟踪丢了（1）C++依赖库安装C++11orC++0xCompilerPangolinOpenCVEigen3Dbow

阿栋阿栋·2023-09-17 07:54

ORB-SLAM3---imu相关

1.IMU简介及参数说明2.预积分推导---纸老虎1.反对称矩阵2.反对称矩阵反过来3.旋转向量到旋转矩阵上面是积分下面是预积分3.噪声分离

好人cc·2023-09-16 19:17

ROS1和ROS2的区别以及ros的topic话题

一.ROS1和ROS2的区别ROS虽然将各个部分的各个组件给有机的连接起来，但是需要通过一个叫做RosMaster的东西，所有节点（可以理解为某一个组件，比如：激光雷达）的通信建立必须经过这个主节点，一旦

好人cc·2023-09-16 19:16

基于Matlab实现自动泊车（垂直泊车）

传感器可以用来检测周围的环境，例如通过摄像头、超声波传感器或激光雷达来检测车辆周围的障碍物。控制算法则根据传感器提供的信息来计算车辆的运动轨迹，以达到安全且准确地停放

Matlab仿真实验室·2023-09-16 15:25

【ZED相机运行SLAM】

0.设备和环境Ubuntu18.04+ROS1ZED2ivins-fusion1.安装ZEDSDK官方手册linux:https://www.stereolabs.com/docs/installation/linux/选择静默安装即可Theinstallercanbelaunchedinsilentmodewiththe–silentoption(withaspacebetween–andsil

白白白白白kkk·2023-09-16 07:23

【视觉SLAM入门】7.4.后端优化 --- 基于位姿图和基于因子图

"议论平恕，无所向背”1.位姿图1.1具体做法1.2小结2.因子图2.1具体做法2.1.1贝叶斯网络2.1.2因子图2.1.3更具体的因子图2.1.4增量的求解方法引入：上节BA将位姿和路标都作为优化的节点，H矩阵也告诉我们路标远大于位姿，时长会导致资源等问题。办法：滑动窗口法：保持H固定大小，丢弃历史位姿图：不管路标，只管位姿，从BA变成PoseGraph，容易看出资源会少很多很多，如下：1.位

终问鼎·2023-09-16 03:34

无人驾驶Autoware代码中GNSS和激光雷达定位ndt_matching

autoware的定位模块ndt_matching,其中融合了gnss卫星信息，IMU惯导信息，odom里程计，lidar激光雷达点云数据，进行了综合的定位判断。

Jneth·2023-09-15 21:54

ROS导航实现：SLAM建图（slam_gmapping）与保存(map_server)

芝士就是力量蛙·2023-09-15 18:28

pcl--第二节深度图像RangeImage

目前深度图像的获取方法有激光雷达深度成像法，计算机立体视觉成像，坐标测量机法，莫尔条纹法，结构光法等等，针对深度图像的研究重点主要集中在以下几个方面，深度图像的分割技术深度图像的边缘检测技术基于不同视点的多幅深度图像的配准技术基于深度数据的三维重建技术基于三维深度图像的三维目标识别技术深度图像的多分辨率建模和几何压缩技术等等在

zsffuture·2023-09-15 15:27

NOA高歌猛进，智驾地图何去何从？

一些典型的科技赛道，如激光雷达、大算力芯片等环节都从中受益。禾赛科技、地平线近期都公布了产品出货达到新的里程碑。禾赛AT系列产品上半年的出货量7万多台，超过去年全年。

HiEV·2023-09-15 15:00

开源监控服务uptime-kuma

这里当然是选择大家都爱的docker,一条命令搞定dockerrun-d--restart=always-p3001:3001-vuptime-kuma:/app/data--nameuptime-kumalouislam

想个名字蒸难·2023-09-15 11:34

OPC DCOM的配置问题

导读：近几年，控制系统被黑客袭击的事件层出不穷：俄罗斯某燃气管线控制系统曾被黑客控制长达12小时；Nimda和CodeRed蠕虫导致多个公司的生产线停机，直到过程控制系统中的病毒被清理完毕；Slammer

seajack·2023-09-15 10:22

【ICASSP 2023】ST-MVDNET++论文阅读分析与总结

Contribution：1.介绍了激光雷达雷达车辆检测模型的几何增强。2.提出了一个师生框架名称STMVDNet++，并结合几何增强和噪声增强来训练广义融合模型。3.在ORR数据集上so

zhSunw·2023-09-15 05:30

【CVPR2020】DEF：Seeing Through Fog Without Seeing Fog论文阅读分析与总结

Contribution：1.第一个恶劣天气下的大型多模态驾驶数据集，激光雷达、相机、雷达、门控近红外传感器和FIR传感

zhSunw·2023-09-15 05:00

【CVPR2021】MVDNet论文阅读分析与总结

Challenge：现有的目标检测器主要融合激光雷达和相机，通常提供丰富和冗余的视觉信息利用最先进的成像雷达，其分辨率比RadarNet和LiRaNet中使用的分辨率要细得多，提出了一种有效的深度后期融合方法来结合雷达和激光雷达信号

zhSunw·2023-09-15 05:25

科技黑如特斯拉，半路遇墙也抓瞎！

视频的主角是一辆TeslaModel3。如果没猜错的话，这段视频在接下来一段时间内还会继续被广泛传播，被各大媒体、各路大神拿来说事儿。

勿人驾驶·2023-09-15 03:45

视觉SLAM ch13 设计SLAM系统

目录一、SLAM系统二、工程框架三、框架流程四、具体实现五、VO整体流程六、显示整体建图效果一、SLAM系统实现一个精简版的双目视觉里程计，前端使用光流法，局部使用局部BA优化。

雨幕丶·2023-09-14 22:33

学习视觉SLAM需要会些什么？

前言SLAM是现阶段很多研究生的研究方向，我也是作为一个即将步入视觉SLAM的研究生，网上对于SLAM的介绍很多，但很少有人完整系统的告诉你学习视觉SLAM该有那些基础，那么此贴将告诉你学习SLAM你要有那些方面的基础

Chris·Bosh·2023-09-14 19:05

点云从入门到精通技术详解100篇-基于 RGB 图像与点云融合的三维点云分割算法及成像系统（中）

目录2.3.2系统实现2.4相机与激光雷达标定2.4.1相机内参标定2.4.2相机与激光雷达外参标定

格图素书·2023-09-14 13:55

LoGoNet：基于局部到全局跨模态融合的精确 3D 目标检测

论文地址：https://arxiv.org/abs/2303.03595论文代码：https://github.com/sankin97/LoGoNet论文背景激光雷达传感器点云通常是稀疏的，无法提供足够的上下文来区分远处的区域

飞大圣·2023-09-14 09:23

与数码航空摄影相比，机载激光雷达的独特优势是什么？

结合平时的工作，对激光雷达相比于数码航空摄影的优势进行总结。机载激光雷达通过主动向地表发射高频率（比如1000KHZ）的激光脉冲信号，并接收回波，能直接获取地物表面的高精度三维坐标。

jadesl13·2023-09-14 08:57

手撕视觉slam14讲 ch13 代码（2）基本类的抽象

在正式写系统之前，我们在上一篇分析了基本的3个类：帧、2D特征点、3D地图点，这次我们开始代码实现这些基本数据结构：1.帧类常见的SLAM系统中的帧（Frame）需要包含以下信息：id，位姿，图像，左右目特征点

全日制一起混·2023-09-14 01:36

手撕视觉slam14讲 ch13 代码（3）相机类、数据集类、参数配置类

我们首先从数据集读取入手，包括读取数据集的参数文件来获得相机的内参和外参,以及读取图片，因此，我们还需要抽象出相机类、数据集类、参数配置类。相机类最简单，我们先来实现它1.相机类camera.h:Camera类存储相机的内参和外参,并完成相机坐标系、像素坐标系、和世界坐标系之间的坐标变换。在抽象的过程中，我们分为参数和函数的确定，首先是参数：智能指针定义内参基线外参，双目到单目位姿变换外参的逆，即

全日制一起混·2023-09-14 01:06

手撕视觉slam14讲 ch13 代码（4）VisualOdometry类和工程主函数

1.run_kitti_stereo.cpp接下来我们开始进入工程主函数run_kitti_stereo.cpp，流程非常简单：首先实例化了一个VisualOdometry类的类指针vo，传入config的地址然后vo类指针调用VisualOdometry类中的Init()函数，进行VO的初始化。在初始化成功后运行VisualOdometry类的Run()函数，开始正常运行VO。#include#

全日制一起混·2023-09-14 01:04

2023.09.10 学习周报

-2什么是图2-3图神经网络2-4信息传递3-1题目3-2创新点3-3本文工作深度学习1.GNN的构建步骤2.构建图的方法3.GNN的简单样例总结摘要本周阅读了三篇文章，第一篇是基于物理信息深度学习和激光雷达测量的时空风场预测

MoxiMoses·2023-09-14 00:51

Rokid Jungle--Station pro

介绍和功能开发YodaOS-Master操作系统：以交换计算为核心，实现单目SLAM空间交互，具有高精度、实时性和稳定性。

Jessica巨人·2023-09-13 22:59

基于视觉重定位的室内AR导航APP的大创项目思路（3）手机相机内参数据获取和相机标定

相机内参相机内参是本身的物理数据，包括焦距f和缩放c，一般以矩阵K的形式存放和使用为什么要获取相机的内参数据：1.相机的内参数据在建图的时候就需要使用，SLAM中需要根据相机内参数据结合传入的图像数据等进行建图

Aer_7z·2023-09-13 12:14

学习卡尔曼滤波有感

卡尔曼滤波真是个用于驱动自我学习非常好的的切入点，尤其是想入门机器学习或者SLAM这类当前比较火的技术或者行业，理解和应用卡尔曼滤波既要求有概率统计相关的基础知识，又要对状态方程、矩阵相关的运算方式非常熟悉

zhoucoolqi·2023-09-13 08:17

推荐频道

激光雷达SLAM