受疫情影响，服务机器人逐渐成为刚需，开始迎来快速应用及发展期。为减少人与人之间的接触，机器人在医院、车站、酒店、餐厅等诸多聚集性场景下，替代人工完成巡检、消毒、配送等工作。 目前，在抗疫中的大部分移动机器人都采用了SLAM的定位导航方式，相比铺设导引线、贴二维码等识别方式，SLAM
slam十四讲之设计slam系统 不多说了，都在注释里，我的流程就是先每句进行学习，然后整体看，后期直接看大块就行。 下面为前端 fronted.cpp // // Created by gaoxiang on 19-5-2. // #include <opencv2/opencv.hpp> #include "myslam/algorithm.h" #include "myslam/backend.h" #
后端概述 （一）状态估计的概率解释1、后端的概念2、后端要解决的问题（1）简单描述（2）数学表述 （二）线性系统和KF1、马尔可夫假设2、线性高斯系统下的卡尔曼滤波器 （三）非线性系统和EKF（四）滤波器后端小结 （一）状态估计的概率解释 1、后端的概念 前端视觉里程计只能通过邻近的几张图
仿真环境 操作系统：ubuntu 16.04 ROS版本：kinetic Gazebo版本：Gazebo7.11.0 仿真机器人：turtlebot 前期准备： 0、安装完整版的ROS。 kinetic版的ROS安装完后自带Gazebo7.0，注意，不同版本的ROS推荐使用不同的gazebo，在kinetic版本的ROS下，推荐使用Gazebo7.x，建议安装与自己ROS版本对应的
目录 Brief参考文献理论基础 StepsVision-OnlyInertial-OnlyVision-Inertial BA Implementation相关解读文章 Brief 参考文献 ORB-SLAM3: An Accurate Open-Source Library for Visual, Visual-Inertial and Multi-Map SLAM Inertial-Only Optimization for Visual-Inert
ROS被称为机器人操作系统，其实ROS充当的是通信中间件的角色，即在已有操作系统的基础上搭建了一整套针对机器人系统的实现框架。ROS还提供一组实用工具和软件库，用于维护、构建、编写和执行可用于多个计算平台的软件代码。 值得一提的是，ROS的设计者考虑到各开发者使用的开发语言
重庆大学, 汽车工程专业, 重庆大学机械传动重点实验室 本文并不是第一个 利用显著性预测结果改进SLAM系统的工作，但是之前的工作都没有意识到显著性检测模型存在中心偏差的问题，这导致在没有显著性区域的场景中，显著性模型会将注意力集中在图像的中心区域，造成轨迹追踪失败。本
slam源码中文详解 （经典PDF） 李总的录课：https://share.weiyun.com/1yKw0ylD 一些SLAM笔记和综述 总体简述参见： https://zhuanlan.zhihu.com/p/89715373ORB-SLAM代码阅读笔记： 一共十篇，按照运行步骤逐步展开，还有原理说明，写的很清晰： https://blog.csdn.net/moyu123456789/article/
搭建实验室3d slam 移动小车-(1)前期准备 前言：今天是2021年1月21号，昨天刚结束研一上学年的考试，着手开始搭建实验室的3d slam移动平台，故借此地做记录，方便以后调试使用，在此感谢我的两位指导老师，黄老师、汤老师，实验室的机械工程师龙哥，和其他一直帮忙答疑的道友，respect！！！ 现有平台
目录 使用Eigen库的原因三维空间中刚体的旋转表示1.旋转矩阵扩展：欧几里得坐标系（即欧式坐标）扩展：齐次坐标在欧式空间的好处 2.四元数3.旋转向量4.欧拉角 Eigen库的安装与基础 使用Eigen库的原因 开源线性代数库 矩阵运算，表达刚体旋转 三维空间中刚体的旋转表示 1.旋转矩
高博链接：https://www.ncnynl.com/archives/201701/1251.html GitHub代码：https://github.com/gaoxiang12/rgbd-slam-tutorial-gx 1.按照高博的步骤，注意： 其中创建build文件夹的时候需要创建在part2目录下面，运行最后编译好的文件时，不能到文件的目录下面，要在命令行里面输入bin/xxx才
前言 由于三维空间刚体运动比较重要，后面有可能还会专门做一次总结，结合IMU位姿估计一起吧。本章内容还是好理解的所以不做过多的讨论。 旋转矩阵 旋转矩阵是一个行列式为1的正交矩阵，反之亦然，所以对于所有旋转矩阵，我们把他们放在一个集合里： \[SO(n)= \{R\in\mathbb{R}^{n\times n}|R
视觉SLAM十四讲这本书应该算是非常好理解的一本书了，而且讲的十分到位，不仅可以学习视觉SLAM的知识，对于一些工程上的设计也对我有启发。这里不会讲解视觉SLAM的内容，只是进行一些小总结与提炼，以及读后感。 经典视觉SLAM框架 SLAM数学模型 \[\begin{cases} x_k=f(x_{k-1},u_k,\omega_
基本情况 标题：Stereo Visual Inertial LiDAR Simultaneous Localization and Mapping作者：Weizhao Shao, Srinivasan Vijayarangan∗, Cong Li∗, and George Kantor出处：Shao W, Vijayarangan S, Li C, et al. Stereo visual inertial lidar simultaneous localization and mappi
slam学习之路——VINS 论文阅读笔记 vins是一种鲁棒多功能的单目视觉-惯导状态估计器。论文里分四个部分来讲述的 第一部分是VINS前端，负责对每一帧新图像提取特征点、跟踪并整合两帧之间所有的IMU数据。 第二部分是初始化，提供初始值（位姿、速度、重力矢量等）。 第三部分主要是
作者：我是猪链接：https://www.zhihu.com/question/46575222/answer/874715486来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 一、前言 首先在研究自动驾驶的算法知识前，很有必要在这里说明一下： 自动驾驶其实包括很多的算法研究方向的。 （欢迎加入自动
原文链接 复杂环境下视觉SLAM闭环检测方法综述 本文针对复杂环境下视觉SLAM闭环检测的3个主要问题：场景描述、决策模型和闭环检测性能评价展开综述； 与激光SLAM相比，视觉SLAM具有感知能力和重定位能力更强、安装方式多元化、更加廉价等优势； 场景描述方法主要包括：局部特征描述
目录 1 介绍 1.1 激光雷达传感器 1.2 2D激光雷达SLAM 1.3 3D 激光雷达SLAM 2 基于深度学习的激光SLAM 2.1 基于特征的深度学习的检测： 2.2 点云的分割与识别： 2.3 点云定位： 3 点云SLAM的挑战与未来 参考文献 1 介绍 SLAM包含了两个主要的任务：定位与构图，在移动机器人或者自动驾驶
####仅作为笔记 环境： Ubuntu16.04 照例贴出build.sh的内容： #This script installs rgbdslam_v2 and g2o in ~/Code #This script can be downloaded individually, as it #does not require rest of the rgbdslam repository. #It will download all required code in the p
####仅作为笔记 算法实测效果不好，可能是环境没有配置好，如有测试效果复现论文的，可以一起交流。 环境： OpenCV 3.x.x Eigen3 (tested with 3.2.92) Boost g2o YAML stvo-pl MRPT Line Descriptor(已在第三方库，不用单独安装) 照例贴出build.sh内容： #装好依赖，再执行build.sh即可，修
超声波测距原理 主要利用单片机的定时、计数器。超声波在空气中的传播速度为340m/ s，根据计时器记录的时间t ，就可以计算出发射点距障碍物的距离 s，即s=340×t/2，在测距计数电路设计中，采用了相关计数法，其主要原理是：测量时单片机系统先给发射电路提供脉冲信号，单片机计数器处于等待状
安装DSO 此步非常简单，安装也很快，不详述，【参考博客】或【GitHub源网页】 写在前面 数据集中的camera.txt文件是可以更改的，且需要改成对应的相机参数 图片的大小可以不用更改为一般的1280x1024，就保持KITTI数据集的图片尺寸就行 图片的扩展名不用更改
单应性概念的引出 我们在这里引入一个新的概念：单应性（Homography）变换。可以简单的理解为它用来描述物体在世界坐标系和像素坐标系之间的位置映射关系。对应的变换矩阵称为单应性矩阵。在上述式子中，单应性矩阵定义为： 其中，M是内参矩阵
相机成像过程 p = K P p = KP p=KP p是图像的像素点坐标，K是相机的内参矩阵，P是相机坐标
卓老师，留言的那个SLAM方案其实不是心血来潮。我前几天闲的没事干拆了一个米家LDS激光导航版扫地机器人，它的避障原理很有趣：顶部一个激光测距SLAM模块，匀速旋转。头部一个测距模块，估计是红外，头半包裹裙浮动连接，底盘边缘红外结构的悬崖传感器。 开机自检后，先原地旋转，此时主要依
