SLAM自学笔记

OpenCV 相机参数标定（Camera Calibration）

本文参考链接：https://www.jianshu.com/p/9a4d9f9dfedc感谢原博主～本文介绍使用OpenCV程序来进行相机标定，并根据自己的摄像机参数来修改ORB-SLAM2使用的yaml
Wafei·2023-08-15 01:17

ORB-SLAM2第二节---双目地图初始化

比起单目初始化，而双目实现地图的初始化非常简单，只需要一帧（左右目图像）即可完成初始化。行特征点统计。考虑用图像金字塔尺度作为偏移量，在当前点上下正负偏移量（r)内的纵坐标值都认为是匹配点可能存在的行数。之所以这样做，是因为极线矫正后仍然存在一定的误差，通过这种方式可以避免漏匹配。对于左图中极线上的投影像素点，在右图中搜索的纵坐标范围是minr~maxr。粗匹配。在左图中的特征点与右图中的候选匹配
好人cc·2023-08-15 00:59

ORB-SLAM2第五节---局部地图跟踪（阶段二）

保证三种跟踪方式更加准确1.局部关键帧当前帧F的局部关键帧包括：能够观测到当前帧F中地图点的共视关键帧KF1、KF2，称为一级共视关键帧。一级共视关键帧的共视关键帧（前10个共视程度最高的关键帧），比如图中的KF1的共视关键帧为KF3、KF4，KF2的共视关键帧为KF5、KF6，称为二级共视关键帧。一级共视关键帧的父关键帧和子关键帧。代码：2.局部地图点局部关键帧对应的地图点为局部地图点。局部地图
好人cc·2023-08-15 00:59

ORB-SLAM2第三节---地图点、关键帧、图结构

1.地图点1.1地图点的成员变量平均观测方向向量：同一个地图点可能同时被多帧观察到，所以把每个能观测到该地图点的帧所在的光心和该地图点连成一个向量并归一化为单位向量，然后将所有归一化向量累加并求平均。最大距离、最小距离：计算参考关键帧相机光心到地图点的距离dist。观测到该地图点的参考帧对应的特征点在金字塔中的层级数level。计算上一步中层级数对应的尺度因子scale^level。其中，代码中s
好人cc·2023-08-15 00:29

ORB-SLAM2第四节---跟踪线程（阶段一）

1.参考帧跟踪应用场景：刚刚初始化/恒速模型失败流程：将当前普通帧的描述子转化为词袋向量。通过词袋加快普通帧和关键帧之间的特征点匹配，记录特征匹配成功后当前帧每个特征点对应的地图点。将上一帧的位姿作为当前帧位姿，通过3D-2D重投影误差来校准位子，BA优化仅优化位姿。剔除优化后的匹配点中的外点。并通过成功匹配的地图点数来判断是否追踪成功。代码：2.恒速模型跟踪从上一帧到当前最新帧之间的位姿变换和上
好人cc·2023-08-15 00:59

Multi-object navigation in real environments using hybrid policies 论文阅读

Multi-objectnavigationinrealenvironmentsusinghybridpolicies作者：AssemSadek,GuillaumeBono来源：CVPR时间：2023Abstract机器人技术中的导航问题通常是通过SLAM
玛卡巴卡_qin·2023-08-14 20:17

Serverless开发流程

ServerlessFrameworkServerlessFramework是一个命令行工具，它使用基于事件触发的计算资源，如AWSLambda、腾讯云云函数、阿里云函数计算等，此外，ServerlessFramework
lxtyp·2023-08-14 18:05

ADRC自抗扰控制自学笔记（包含simulink仿真）（转载）

他这里让我很好理解了跟踪微分器非线性PID(准确说是非线性PD，所以可以看到输入是两根线而不是三根线）也就是说传统PID是线性的？但是不是那些系统是非线性的，比如无人机，平衡车，只是小幅度里近似为线性的。下面这个来自于：https://zhuanlan.zhihu.com/p/115283894他这里确实让我对ADRC的理解更进了一个层面。现在对ADRC有了比较清晰的认识，并不神秘并不高深，其实还
TYINY·2023-08-14 17:31

（黑客）自学笔记

一、前言：1.这是一条坚持的道路,三分钟的热情可以放弃往下看了.2.多练多想,不要离开了教程什么都不会了.最好看完教程自己独立完成技术方面的开发.3.有时多google,baidu,我们往往都遇不到好心的大神,谁会无聊天天给你做解答.4.遇到实在搞不懂的,可以先放放,以后再来解决.1.学习基础知识：首先，你可以通过自学或参加网络安全课程来学习基础知识。了解计算机网络、操作系统、编程语言和网络协议等
没更新就是没更新·2023-08-14 16:07

视觉SLAM【第二讲-初识SLAM】

SLAM简介视觉SLAM，主要指的是利用相机完成建图和定位问题。如果传感器是激光，那么就称为激光SLAM。定位（明白自身状态（即位置））+建图（了解外在环境）。
释怀°Believe·2023-08-14 14:12

Matlab自学笔记三：创建脚本、M文件、运行脚本、注释、语法高亮、编程好习惯

1.什么是脚本文件脚本文件是包含一系列的命令和函数的程序文件，扩展名是.m，所以一般称为m文件，也简称脚本；相对于在命令行窗口一条一条的程序输入方式，脚本文件方便存储、管理和重用，当需要把多个程序语句组合起来完成一项总体运算功能时，常用脚本文件，它是Matlab里普遍的编程方式。2.创建脚本的方法（1）在当前工作目录（当前文件夹），右键—新建文件—脚本；（2）上方菜单栏功能区—主页—新建脚本；（3
freexyn·2023-08-14 05:47

Matlab自学笔记五：创建矩阵、矩阵大小、维度、数目、空矩阵、标量、向量、创建矩阵的函数、数字序列

目录1.矩阵的概念2.创建矩阵基本方法3.创建矩阵的常用函数4.矩阵的属性5.空矩阵6.标量7.向量8.数据序列9.相关文章（推荐）10.相关视频（推荐）1.矩阵的概念众所周知，矩阵是一个二维的数据阵列；Matlab是一个基于矩阵的计算环境，最基本的的数据单元是矩阵，单个数值也存储为矩阵，在这种情况下，矩阵的大小为1乘1；对于字符数据，例如'HelloWorld'这样的字符元素，看作是1×11的矩
freexyn·2023-08-14 05:47

Matlab自学笔记二十二：字符串的大小写转换、排序、倒序、统计和查找，判断是否以给定的字符起始

1.大小写转换字符串的大小写转换，使用lower函数和upper函数，程序示例如下：names=["SteveJobs""AlbertEinstein""艾萨克es牛顿"]strlength(names)%先看下长度lower(names)%转成小写upper(names)%转成大写2.排序倒序字符串的排序和倒序使用sort函数和reverse函数，另外还有一个sortrows函数是按行排序，程序
freexyn·2023-08-14 05:47

Matlab自学笔记四：调用函数基本方法、传递参数、函数工作区、命令语法、调用匿名函数

1.调用函数的基本方法题目：创建函数y=x²+x+1首先，使用上一篇的创建函数文件的方法（推荐先看上一篇：Matlab创建函数文件、函数语法定义、匿名函数、多元函数、局部函数等知识串联理解），创建之后，函数的架构大概是：y=myfun(x)=x²+x+1，其中y是因变量，myfun是函数名，x²+x+1是表达式；那么，调用格式就显而易见：>>y=myfun(2)y=7说明，使用函数名称调用该函数，
freexyn·2023-08-14 05:17

Matlab自学笔记七：矩阵元素的合并、连接、提取、翻转、排序、平铺复制、提取对角线元素

目录1.基本连接符[]2.水平连接和垂直连接的函数3.平铺复制的函数4.矩阵元素的提取5.提取矩阵对角线元素6.提取上（下）三角形元素7.元素重排8.排序9.翻转End1.基本连接符[]基本连接符：[]，就是中括号，可以把两个矩阵进行合并（也称为矩阵连接），若水平方向合并，使用逗号分隔，若垂直方向合并，使用分号分隔；程序示例如下：a=[12;34]b=[56;78][a,b]%水平连接，返回[12
freexyn·2023-08-14 05:17

SLAM常见库的源码安装及卸载

SLAM中常见库(持续更新)====eigeneigen的安装分为源码安装和命令行安装命令行安装sudoapt-getinstalllibeigen3-dev安装成功之后,在**/usr/include
gyqJulius_Caesar·2023-08-14 05:40

P450进阶款无人机室内定位功能研测

在以往的Prometheus450（P450）无人机上，我们搭载的是IntelRealsenseT265定位模块，使用USB连接方式挂载到机载计算机allspark上，通过机载上SDK驱动T265运行并输出SLAM
阿木实验室·2023-08-13 22:54

ubuntu18.04编译安装orb-slam3及ros下运行

1.下载orb-slam3gitclonehttps://github.com/UZ-SLAMLab/ORB_SLAM3.git2.编译cdORB_SLAM3chmod+xbuild.sh.
好人cc·2023-08-13 17:39

ORB-SLAM2第一节---地图初始化

单目初始化1.前提条件（640*480）参与初始化的两帧各自的特征点数目都需要大于100.两帧特征点成功匹配的数目需要大于或等于100.两帧特征点三角化成功的三维点数目需要大于50.2.针对条件三流程如下记录当前帧和参考帧（第一帧）之间的特征匹配关系。在特征匹配点对中随机选择8对匹配点作为一组。对这8对点分别计算基础矩阵F和单应矩阵H，并得到得分。计算得分比例，根据判断选择基础矩阵还是单应矩阵求位
好人cc·2023-08-13 17:38

SLAM第12讲 建图实践部分

1实践：单目稠密重建1.1我们需要下载示例程序所需要的数据集http://rpg.ifi.uzh.ch/datasets/remode_test_data.zip。它提供了一架无人机采集到的单目俯视图像，共200张，同时提供了每张图像对应的位姿。下面我们通过这些数据估算第一帧图像每个像素对应的深度值，即进行单目稠密重建。估计稠密深度的步骤：假设所有像素的深度满足某个初始的高斯分布；当新数据产生时，
思考之路·2023-08-13 04:45

ORB-SLAM2论文拜读：An Open-Source SLAM System form Monocular, Stereo, and RGB-D Cameras

文章目录摘要1引言2相关工作2.1双目SLAM2.2RGB-DSLAM3ORB-SLAM23.1单目、近处立体和远处立体关键点3.2系统启动3.3单目和双目约束下的光束优化法（BA）3.4回环检测和全局
ZPILOTE·2023-08-13 02:44

网络安全（黑客技术）自学笔记

一、什么是网络安全？什么是黑客？网络安全可以基于攻击和防御视角来分类，我们经常听到的“红队”、“渗透测试”等就是研究攻击技术，而“蓝队”、“安全运营”、“安全运维”则研究防御技术。无论网络、Web、移动、桌面、云等哪个领域，都有攻与防两面性，例如Web安全技术，既有Web渗透，也有Web防御技术（WAF）。作为一个合格的网络安全工程师，应该做到攻守兼备，毕竟知己知彼，才能百战百胜。二、自学网络安全
德西德西·2023-08-12 22:02

一个心理学爱好者的自学笔记-《爱情刽子手》欧文.亚隆

从大约三年多前，我开始接触心理学类的书籍，并很庆幸最早遇见的是关于欧文.亚隆博士的思想传记《在生命最深处与人相遇》。至今我依然记得亚隆博士关于人类存在的四个终极关怀-自由、孤独、死亡与无意义-带给我的深刻震撼。于是没有明确规划的，跟随着我的潜意识，开始了西方心理学书籍的阅读，同步参加了心理咨询培训和考试。我读了亚隆博士的很多本书籍，目前正在读《爱情刽子手》，这是亚隆博士的代表作之一。这一次阅读，真
纤尘心理·2023-08-12 15:38

网络安全（黑客）自学笔记

前言：想自学网络安全（黑客技术）首先你得了解什么是网络安全！什么是黑客！网络安全可以基于攻击和防御视角来分类，我们经常听到的“红队”、“渗透测试”等就是研究攻击技术，而“蓝队”、“安全运营”、“安全运维”则研究防御技术。无论网络、Web、移动、桌面、云等哪个领域，都有攻与防两面性，例如Web安全技术，既有Web渗透，也有Web防御技术（WAF）。作为一个合格的网络安全工程师，应该做到攻守兼备，毕竟
白猫不黑·2023-08-12 07:10

最小二乘问题和非线性优化

1.最小二乘问题在求解SLAM中的最优状态估计问题时，我们一般会得到两个变量，一个是由传感器获得的实际观测值z\boldsymbol{z}z，一个是根据目前估计的状态量和观测模型计算出来的预测值h(x)
古路·2023-08-11 23:50

基于SLAM的规划算法仿真复现｜SLAM｜智能规划

图片来自百度百科前言那么这里博主先安利一些干货满满的专栏了！首先是博主的高质量博客的汇总，这个专栏里面的博客，都是博主最最用心写的一部分，干货满满，希望对大家有帮助。高质量博客汇总https://blog.csdn.net/yu_cblog/category_12379430.html?spm=1001.2014.3001.5482项目代码Simulation-and-Reproduction-o
@背包·2023-08-11 18:47

SLAMBOOK2NOTE_CH1

基本知识自测题1.有线性方程,若已知,需要求解,该如何求解?这对和有哪些要求?总结一下Ax=b有解的条件:行的角度：如果方程组系数矩阵A的行向量的线性组合可以生成向量，那么相同的组合作用在b的分量上，也必须得到。列向量的角度：b必须是A各列向量的线性组合。列空间角度：当且仅当b属于A的列空间时成立。参考2.高斯分布是什么?它的一维形式是什么样子?它的高维形式是什么样子?https://blog.c
HeoLis·2023-08-11 15:25

STM32单片机学习笔记（九）-SysTick系统定时器

写在前面：本系列内容均为自学笔记，参考资料为野火指南者开发板资料及芯片参考手册等，使用野火指南者开发板进行学习，该系列内容仅用于记录笔记，不做其他用途，笔记的内容可能会存在不准确或者错误等，如有大佬看到错误内容还望能够评论指正
做咸鱼的月下·2023-08-11 07:08

（黑客）自学笔记

一、自学网络安全学习的误区和陷阱1.不要试图先成为一名程序员（以编程为基础的学习）再开始学习行为：从编程开始掌握，前端后端、通信协议、什么都学。缺点：花费时间太长、实际向安全过渡后可用到的关键知识并不多。很多安全函数知识甚至名词都不了解unserializeoutfile2.不要把深度学习作为入门第一课很多人都是冲着要把网络安全学好学扎实来的，于是就很容易用力过猛，陷入一个误区：就是把所有的内容都
网络安全-生·2023-08-11 01:27

（黑客）自学笔记

一、自学网络安全学习的误区和陷阱网络安全是当今社会中至关重要的议题。随着科技的迅猛发展，网络已经渗透到我们生活的方方面面，给我们带来了巨大的便利和机遇。然而，网络也存在着各种风险和威胁，如黑客攻击、数据泄露等。因此，学习网络安全知识成为每个人都应该关注和重视的问题。2.不要把深度学习作为入门第一课很多人都是冲着要把网络安全学好学扎实来的，于是就很容易用力过猛，陷入一个误区：就是把所有的内容都要进行
网络安全-生·2023-08-11 01:56

find_package如何使用2020年1月12日

问题是这样的，创建一个hello.so共享库，这个库里面有一个函数helloSlam()用来输出“helloSLAM”。
斯派罗·2023-08-10 22:20

SLAM导航机器人零基础实战系列：（二）ROS入门——4.如何编写ROS的第一个程序hello_world...

SLAM导航机器人零基础实战系列：（二）ROS入门——4.如何编写ROS的第一个程序hello_world摘要ROS机器人操作系统在机器人应用领域很流行，依托代码开源和模块间协作等特性，给机器人开发者带来了很大的方便
小虎哥哥爱学习·2023-08-10 20:51

使用SPQR求解线性方程组

在slam十四讲这本书上，有一个课后习题需要找出一种方法求解AX=B。在eigen的官网上，搜索求解器，找到一个SPQR的方法，需要额外安装，于是我开始了安装SPQR的探索，终于成功求解出答案。
斯派罗·2023-08-09 03:08

利用ceres库在激光SLAM中添加强度代价函数——来自IntensitySLAM

ceres库总览雷达参数定义lidar::Lidar::Lidar(){}//激光线数voidlidar::Lidar::setLines(doublenum_lines_in){num_lines=num_lines_in;}//垂直方向俯仰角度voidlidar::Lidar::setVerticalAngle(doublevertical_angle_in){vertical_angle=v
Jumping润·2023-08-08 22:57

IMU预积分

IMU预积分referrence：VINS-MONO解析——IMU预积分https://blog.csdn.net/iwanderu/article/details/104623177自动驾驶与机器人中的SLAM
Jumping润·2023-08-08 22:57

SLAM中的非线性优化方法

SLAM中的非线性优化方法理论基础病态矩阵：Ax=b求解时，x+一个小的增量，结果有很大波动。
Jumping润·2023-08-08 22:56

ORB-SLAM2配置与安装

本篇博客最早发布于实验室公共博客，但已无人维护，现迁移至个人博客有这些依赖项：https://github.com/raulmur/ORB_SLAM2主要参考下面的博文ORB-SLAM2初体验——配置安装
Prejudices·2023-08-08 21:59

ORB-SLAM2栅格地图构建

过程栅格地图的构建是基于稠密点云地图的构建和保存实现的，需要了解可以看我们前面的博客基于ORB-SLAM2实时构建稠密点云在点云地图的基础上构建包含占据信息的八叉树地图和二维栅格地图，便于后续避障、导航等功能的实现点云转八叉树可以参考下面的文章
Prejudices·2023-08-08 21:29

基于ORB-SLAM2实时构建稠密点云

本篇博客最早发布于实验室公共博客，但已无人维护，现迁移至个人博客ORB-SLAM2是特征点法的经典之作，但是只能构建稀疏二维点云，限制了其使用范围因期望可以实现移动机器人的导航功能，需要构建三维点云，再通过
Prejudices·2023-08-08 21:29

(黑客）自学笔记

1.选择方向首先是选择方向的问题，网络安全是一个很宽泛的专业，包含的方向特别多。比如web安全，系统安全，无线安全，二进制安全，运维安全，渗透测试，软件安全，IOT安全，AI安全等等，具体看你想学习哪方面，你一般听到的是web安全，搞个站，玩玩xss,命令注入等等。你可以从大纲中找到你要学习的方向和技能。如图片过大被平台压缩导致看不清的话，大家记得点个关注，关注之后后台会自动发送给大家！2.学习方
没更新就是没更新·2023-08-08 21:22

古月居ros自学笔记(持续记录中)

第七讲ROS核心概念一、节点与节点管理器1.节点：（1）是执行单元，每个节点在机器人系统中完成某些功能相当于系统中某个具体进程，例如windows中exe文件，例如图像识别等，节点间可以完成通讯。（2）不同节点可使用不同编程语言，可分布式运行在不同主机。（3）节点在系统中的名称必须唯一。2.节点管理器（rosmaster）:(1)相当于控制中心，ros里面所有节点的管理者，是控制中心。为节点提供命
Delighted21·2023-08-08 21:21

网络安全（黑客）自学笔记

前言：想自学网络安全（黑客技术）首先你得了解什么是网络安全！什么是黑客！网络安全可以基于攻击和防御视角来分类，我们经常听到的“红队”、“渗透测试”等就是研究攻击技术，而“蓝队”、“安全运营”、“安全运维”则研究防御技术。无论网络、Web、移动、桌面、云等哪个领域，都有攻与防两面性，例如Web安全技术，既有Web渗透，也有Web防御技术（WAF）。作为一个合格的网络安全工程师，应该做到攻守兼备，毕竟
白猫不黑·2023-08-08 20:35

ORB-SLAM3 ROS 编译报错：Failed to invoke rospack to get compile flags for package ‘ORB_SLAM3‘. Look abov.

ORB-SLAM3ROS编译报错：Failedtoinvoke/opt/ros/melodic/bin/rospackdeps-manifestsORB_SLAM3[rospack]Error:therosdepviewisempty
全日制一起混·2023-08-07 23:05

踩坑 视觉SLAM 十四讲第二版 ch8 编译及运行问题

1.fmt相关CMakeLists.txt中：在后面加上fmttarget_link_libraries(optical_flow${OpenCV_LIBS}fmt)target_link_libraries(direct_method${OpenCV_LIBS}${Pangolin_LIBRARIES}fmt)2.不存在用户定义的从"std::_Bind))(constcv::Range&ran
全日制一起混·2023-08-07 23:05

实测 （三）NVIDIA Xavier NX + D435i / 奥比中光Astrapro 相机+ ORB-SLAM 2 + 3 稠密回环建图

开发环境：NX+Ubuntu18.04+ROS-melodic接着上篇，使用奥比中光的Astrapro相机（乐视三合一相机）orb-slam2稠密回环建图依然先放上效果图：三、NX+Astrapro相机
全日制一起混·2023-08-07 23:34

实测 （四）NVIDIA Xavier NX + D435i / 奥比中光Astrapro 相机+ ORB-SLAM 2 + 3 稠密回环建图

接着上篇，开始orb-slam3的稠密回环建图实测（奥比中光Astrapro相机）老样子，先上效果图：开发环境：NX+Ubuntu18.04+ROS-melodic四、NX+Astrapro相机+orb-slam3
全日制一起混·2023-08-07 23:34

实测（一） NVIDIA Xavier NX + D435i / 奥比中光Astrapro 相机+ ORB-SLAM 2 + 3 稠密回环建图

开发环境：NX+Ubuntu18.04+ROS-melodic一、ARM架构下RealsenseD435i环境搭建因为NVIDIAXavierNX是一款arm架构的嵌入式开发板，因此安装方式与x86架构有所不同，虽然官网上提供了Nano的安装方式，但是按照这个流程安装后，在实测过程中仍有许多错误（例如数据丢失、imu显示不出来等等），接下来提供一个没有报错的安装方式。核心板：NVIDIAXavie
全日制一起混·2023-08-07 23:04

Llama 2 云端部署与API调用【AWS SageMaker】

本指南将介绍如何在AmazonSageMaker上托管Llama2模型，以及如何利用AWSLambda和AWSAPIGateway
新缸中之脑·2023-08-07 19:22

Islamic body condemns suspected arson attack at Swedish mosque

RABAT,Sept.26(Xinhua)--TheIslamicEducational,ScientificandCulturalOrganization(ISESCO)onTuesdaystronglydenouncedthesuspectedarsonattackatamosqueincentralSweden.TheISESCOurgedSwedishauthoritiestosevere
天如天如·2023-08-07 17:42

SLAM十四讲——Pnp求解之DLT

学习目标学习PnP求解相机位姿，学习PnP的求解之直接线性变换DLT目录PnP直接线性变换DLT一、PnP1.PnP的概念PnP（Perspective-n-Point）是求解3D到2D点对运动的方法，它描述了已知n个3D空间点以及他们的投影位置时，估计相机的位姿。注意：3D点是世界坐标系下的坐标，而非相机坐标系下的坐标，可以选择以物体质心为空间坐标系的原点，其他点的坐标则是相对该质心的位置。而2
雅雅姐·2023-08-07 14:14
上一页 30 31 32 33 34 35 36 37 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他