SLAM自学笔记

工程（十三）——基于激光视觉的SLAM三维重建

一、简介目前的主流三维重建算法包括：基于网络的纯视觉三维重建、基于SLAM算法的三维重建基于激光视觉SLAM（SimultaneousLocalization
桦树无泪·2023-11-08 06:36

【视觉SLAM】语义SLAM分类

  SLAM与深度学习技术结合是SLAM的另一大方向。高博在《视觉SLAM十四讲》中指出，通过语义与SLAM相结合，两者相互促进，相互补充。  一方面，语义帮助SLAM。
Louis1874·2023-11-08 05:15

【论文阅读笔记】3D语义SLAM论文摘要整理

前文回顾【论文阅读笔记】Past,Present,andFutureofSimultaneousLocalizationandMapping【论文阅读笔记】语义SLAM语义映射模型SectionVI.REPRESENTATIONII
肥鼠路易·2023-11-08 05:15

论文阅读 —— 语义激光SLAM

文章目录点云语义分割算法1基于点的方法2基于网格的方法3基于投影的方法一、SLOAM1.1语义部分1.2SLAM部分1.2.1树的残差1.2.2地面的残差1.2.3匹配过程二、SSC:SemanticScanContextforLarge-ScalePlaceRecognition2.1
秋雨qy·2023-11-08 05:14

SLAM_语义SLAM相关论文

目录1.综述2.相关文章ProbabilisticDataAssociationforSemanticSLAMVSO:VisualSemanticOdometry语义信息分割运动物体
惊鸿一博·2023-11-08 05:04

FPGA：下一代机器人感知处理器

现在PerceptIn主要专注于增强现实、虚拟现实、机器人的核心SLAM技术及其在智能硬件上的实现与优化。创立PerceptIn之前在百度美国研发中心工作。
GaryGao99·2023-11-07 22:41

计算机视觉在文物中的应用,基于SLAM的无标记增强现实算法研究及其在文物展示中的应用.pdf...

本文采用同时定位和地图绘制算法(SimultaneousLocalizationAndMapping，简称SLAM)作为增强现实系统的
铁匠qwer·2023-11-07 13:40

动态环境SLAM近期阅读的相关论文综述

文章目录一、动态环境对激光SLAM有什么影响1.前端配准2.后端建图二、如何解决上述动态环境遇到的问题1.前端层面2.建图层面（离线）3.建图层面（在线）三、相关论文汇总1.Thepeopleremover–removingdynamicobjectsfrom3Dpointclouddatabytraversingavoxeloccupancygrid
码农的快乐生活·2023-11-07 11:59

从零入门激光SLAM（十一）——LeGo-LOAM源码超详细解析1

大家好呀，我是一个SLAM方向的在读博士，深知SLAM学习过程一路走来的坎坷，也十分感谢各位大佬的优质文章和源码。
桦树无泪·2023-11-07 00:53

工程（十二）Ubuntu20.04LSD_SLAM运行

LSD_SLAM适配于ubuntu20.04修改过程的参考连接如下Ubuntu20.04配置并运行LSD_SLAM，实测可行_nice-wyh的博客-CSDN
桦树无泪·2023-11-07 00:23

【3D激光SLAM】Livox-mid-360激光雷达ip配置

写在前言：请认真阅读mid360官方手册，第一次配雷达ip真的很多坑参考资料mid360雷达sdk：https://github.com/Livox-SDKLivoxViewer2：https://www.livoxtech.com/downloadsLIO-Livox：https://github.com/Livox-SDK/LIO-LivoxLivox-Mapping：https://gith
Hahalim·2023-11-06 22:07

有着23个小孩的印度民宿家庭

民宿的主人叫Islam，是一个44岁的中年男人。他有23个小孩，其中19个是收养的，只有4个是自己亲生的。听到他说“23个小孩”，我还以为是在跟我开玩笑。但是从他的表情当中，我看出了他的真诚。
琼琼小彭友·2023-11-06 17:12

STM32CubMX自学笔记（十）---IIC通信实验

STM32CubMX自学笔记（十）—IIC通信实验I2C通信协议的简介引脚少，硬件实现简单，可扩展性强，不需要外部收发设备，广泛用在多个集成电路通信。
梅山剑客·2023-11-06 16:42

【Java学习笔记】面向对象进阶

前言该文章为Java自学笔记案例：面向对象进阶学习视频为https://www.bilibili.com/video/av250694651目录前言静态关键字：staticstatic的作用、修饰成员变量的用法
菜菜的大鹏·2023-11-06 16:54

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

《R语言实战》自学笔记64-功效分析

没有学过统计，这一章晦涩难懂，学的实在太费事，只好跟着书上的代码跑一遍了。第10章功效分析功效分析（poweranalysis）是心理统计学术语。在假设检验中，根据影响功效的因素，改变和控制某些变量，以提高功效值，使研究更有效、更科学的过程。与如下四个因素有关：（1）显著性水平（）。在假设检验中，越小，第二类错误就越容易发生，功效值也就越低。（2）样本容量（N）。样本容量与在统计检验中标准误差的大
zjh9280·2023-11-06 01:37

sql自学笔记（二十三）——MySQL8.0版本的新特性（十三）

自增列持久化MySQL5.7以及早期版本中，InnoDB自增列计数器（AUTO_INCREMENT）的值只存在内存中。MySQL8.0每次变化时将自增计数器的最大值写入redolog,同时在每次检查点将其写入引擎私有的系统表。解决了长期以来的自增字段值可能重复的bug。我们可以重现一下自增列中存在的bug创建一个测试表createtablet(idintaute-incrementprimaryk
itczt·2023-11-06 01:54

ROS自学笔记二十八：ERROR: cannot launch node of type [robot_state_publisher/state_publisher]解决方法

最近学习ros出现这个问题ERROR:cannotlaunchnodeoftype[robot_state_publisher/state_publisher]:Cannotlocatenodeoftype[state_publisher]inpackage[robot_state_publisher].Makesurefileexistsinpackagepathandpermissioniss
ironmao·2023-11-05 20:32

ROS自学笔记二十九：如何从SolidWorks导出URDF文件

SolidWorks是一款三维计算机辅助设计（CAD）软件，用于创建三维模型。要将SolidWorks模型导出为URDF（UnifiedRobotDescriptionFormat）文件，您可以按照以下步骤进行操作：1.安装SolidWorksURDF插件：首先，您需要安装SolidWorksURDF插件，以便能够导出URDF文件。这个插件通常由SolidWorks社区或其他开发者创建并提供。您可
ironmao·2023-11-05 20:25

React Native自学笔记

系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章Python机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言一、ReactNative项目创建二、使用步骤1.引入库2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多
gaolei_eit·2023-11-05 19:54

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

【Python基础】Python编程入门自学笔记，基础大全，一篇到底！

：如果你也对机器人、人工智能感兴趣，看来我们志同道合✨：不妨浏览一下我的博客主页【https://blog.csdn.net/weixin_51244852】：文章若有幸对你有帮助，可点赞收藏⭐不迷路：内容若有错误，敬请留言指正！原创文，转载请注明出处文章目录Python简介程序设计基本方法（执行方式）input和print模块1.模块的概念2.模块的自建、导入、调用3.Python中包的概念4.
嵌小超·2023-11-05 07:51

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自学笔记二十五：导航中目标点与路径规划消息

在ROS导航中，目标点与路径规划消息通常使用geometry_msgs/PoseStamped来描述目标点的位置以及使用nav_msgs/Path来描述规划路径。以下是这两个消息类型的详细介绍和示例：geometry_msgs/PoseStamped：`geometry_msgs/PoseStamped`用于表示一个带有时间戳的目标点位置，通常用于发送机器人需要前往的目标点。以下是`geometr
ironmao·2023-11-04 15:13

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。下面是激光雷达的详细介绍以及一个示例：激光雷达简介：激光雷达是一种传感器，它使用激光束来测量周围环境中物体的距离。通常，激光雷达在水平方向上旋转或扫描，以获取关于障碍物的距离信息，然后根据这些信息创建地图、进行定位或进行避障。在ROS导航中，常见的激光雷达消息类型是sensor_m
ironmao·2023-11-04 15:13

ROS自学笔记二十二：导航中里程计消息

在ROS中，里程计消息用于传递机器人的位姿和运动信息。通常，里程计消息与机器人的底盘控制和运动规划紧密相关。nav_msgs/Odometry：`nav_msgs/Odometry`是用于表示机器人位姿和运动信息的消息类型。这个消息包含了机器人的位置、方向、线速度和角速度等信息。以下是`nav_msgs/Odometry`消息的字段：-header：消息头，包括时间戳和坐标系信息。-child_f
ironmao·2023-11-04 15:10

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

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
上一页 12 13 14 15 16 17 18 19 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他