因子图和GTSAM--实践介绍
原文链接:gtsam.pdf 概述 因子图是很适合解决复杂估计问题的图形化模型,例如SLAM或者运动结构恢复(Structure from Motion,SFM)。你可能熟悉其他常用的图形模型,是有向无环图的贝叶斯网络。因子图,是一个由与变量相连的因子组成的二分图,这些变量代表估计问题中的未知随机变量,而因子则代表这些变量的概率约束,这些约束来自测量或先验知识。在下面的章节中,我将用机器人学和视觉学的例子来说明这一点。 ...
原文链接:gtsam.pdf 概述 因子图是很适合解决复杂估计问题的图形化模型,例如SLAM或者运动结构恢复(Structure from Motion,SFM)。你可能熟悉其他常用的图形模型,是有向无环图的贝叶斯网络。因子图,是一个由与变量相连的因子组成的二分图,这些变量代表估计问题中的未知随机变量,而因子则代表这些变量的概率约束,这些约束来自测量或先验知识。在下面的章节中,我将用机器人学和视觉学的例子来说明这一点。 ...
LIO-SAM: Tightly-coupled Lidar Inertial Odometry via Smoothing and Mapping 介绍 状态估计、定位和建图对于成功的智能移动机器人来说是必备的,需要反馈控制、避障、规划路线和其他能力。使用视觉的和激光的传感器,为了实现高性能实时同时定位和建图(SLAM)使得移动机器人支持6自由度状态估计,投入了很大的精力。基于视觉的方案通常使用双目或立体相机,对连续的图像进行三角定位,以确定像机的运动。虽然基于视觉的方案对于位置识别更加合适,但是它们对初始化、光照和范围的敏感性使它们在单独用于支持自主导航系统时不可靠。另一方面,基于激光的方案大体上不受光照变化的影响。尤其是最近有远距离,高解析度的3D雷达可供选择,比如Velodyne VLS-128和Ouster OS1-128,雷达更适合在三维空间中直接获取环境信息。 ...
概率 假设测量数据用$\boldsymbol{z}_t$表示,控制数据用$\boldsymbol{u}_t$表示,状态数据用$\boldsymbol{x}_t$表示状态 ...
插件安装 vscode安装clangd插件,使用language server的方式进行代码高亮补全 CMake配置 在小模块目录下创建build目录,然后用CMake进行编译,并添加如下参数 ...
定义 里程计(Odometry) 使用运动传感器随着时间变化估计位置变化。对于有腿或者有轮子的机器人来说,估计当前相对于起始位置的位置。这种方式对于误差非常敏感,因为是根据速度测量得到的。在大多数情况下,为了有效地使用定位法,需要快速和准确的数据收集、仪器校准和处理。 ...
源码编译Aseprite Aseprite是一款开源的像素绘画工具,官网下载需要花费几十元购买正版,然而自己源码编译则不需要。我使用的系统版本是Ubuntu 18.04 LTS。 克隆代码 首先从github上克隆源码 ...
正义 正义就是给每个人以恰如其分的报答 技艺本身的完美,就在于名副其实地提供本身最完美的利益 一个正义的人不想胜过别的正义者,但是他想胜过不正义者 既然不知道什么是正义,也就无法知道正义是不是一种德性,也就无法知道正义者是痛苦还是快乐 三种善 ...
原文: https://pythonrobotics.readthedocs.io 定位 扩展卡尔曼滤波定位 航位推算+GNSS融合定位,航位推算使用imu 集合卡尔曼滤波定位 https://www.math.umd.edu/~slud/RITF17/enkf-tutorial.pdf 无迹卡尔曼滤波 https://cse.sc.edu/~terejanu/files/tutorialUKF.pdf https://www.researchgate.net/publication/267963417_Discriminatively_Trained_Unscented_Kalman_Filter_for_Mobile_Robot_Localization 直方图滤波 粒子滤波 建图 高斯网格图 射线投射网格图 雷达转网格图 ...
说明 原教程英文网址:扩展卡尔曼滤波 实际应用 当以下情况出现时非常有用: 机器人传感器感知世界 机器人传感器不是100%准确 把传感器观测值通过EKF,可以平滑噪声计算出每个时刻更好的估计值 ...
前言 Qt的信号槽的连接方式有五种,每种代表的含义,从文档可以知道 Qt::AutoConnection:(默认)如果接收者是发出信号的线程,则使用Qt::DirectConnection。否则,将使用Qt::QueuedConnection。连接类型在信号发出时被确定。 ...
起因 项目需要开发一个三维场景展示,在learnopengl花了一段时间学习了OpenGL的相关知识,后面自己写了一点例子。不想自己封装,使用了现有的引擎magnum,加载了模型文件之后发现一个比较大的问题就是自带的Phong着色器不支持阴影和环境遮蔽这些,场景看上去很假。三维场景运行的计算机配置也不高,不支持过多的动态渲染,在使用Blender期间无意中发现Blender支持烘焙贴图,并且把多个通道烘焙的贴图合并到一张图上。这样做的好处就是着色器不需要计算任何光源,而且比较逼真。缺点就是部分需要运动的模型和静态模型之间的动态光影没办法展示出来。 优缺点 优点: 节省实时计算消耗的资源(包括纹理贴图的法线置换等贴图的计算) 非实时光线追踪效果比实时的Phong光照更近逼真 缺点: ...
说明 绝大部分内容来自 https://www.kalmanfilter.net ,可以直接去看英文版本 背景知识 均值和期望值 当系统状态可观测时,均值(Mean)代表平均水平 当系统测量值存在误差时,用期望值(Expected Value)估计真实值 ...
现象 线程中有一个由ROS自己创建的线程CPU占用率接近100%,该线程中的XmlRpc::XmlRpcDispatch::work()函数占用过高,使用sudo perf top -p [pid]得到如图 ...
Tab补全,Ctrl-r显示历史命令 Ctrl-u删除所有内容,Ctrl-w删除单词 Ctrl-x Ctrl-e在文本编辑器里面修改命令行 history查看命令行,!n执行之前第几条命令,!$执行最后一条 ...
介绍 因为工作需要,工控机在遇到突发情况断电时会导致根文件系统破坏,启动的时候就直接进入修复系统的命令行,导致无法远程进行修复或者解决问题。 采用程序和系统分开分区的方式,用overlayroot保护系统分区不被修改,可以解决系统在断电后不能启动的问题(但是程序分区如果有写文件依旧可能会被破坏) ...