激光雷达SLAM算法综述单位:陆军工程大学doi:10.3778/j.issn.1002-8331.2308-0455激光雷达SLAM算法综述单位:陆军工程大学doi:10.3778/j.issn.1002-8331.2308-0455 一、文章概述 1.1 摘 要 即时定位与地图构建(simultaneous localization and mapping,SLAM)是自主移动机器人和自动驾驶
激光即时定位与建图算法综述 论文地址:DOI:10.16526/j.cnki.11-4762/tp.2024.03.001 一、文章概述 摘要激光即时定位与建图 (SLAM)算法是一种在机器人导航和自主驾驶领域被广泛应用的技术;该技术可以利用激光雷达扫描环境并提取特征点,实现机器人的自主定位和地图构建;针对机器人激光SLAM 技术进行研究,分析了各个激光 SLAM算法的基本原理,并且对主流SLAM
上一节,介绍了卡尔曼滤波的基本原理,但在SLAM中却使用ESKF,让我们一起看看具体的原因是什么吧 一、误差卡尔曼滤波器ESKF(Error State Kalman Filter) 1.1动机 在常规的卡尔曼滤波器中,需要假定系统的状态服从高斯分布,这要求系统的状态是定义在向量空间中,满足向量空间中的运算法则。但SLAM中的一些状态变量是位于流形长的,例如旋转矩阵、四元数、和李群。直接在欧几里得
一、卡尔曼滤波简介KF 卡尔曼滤波器(Kalman Filter)是一种用于估计动态系统状态的递归算法。它通过结合系统的动态模型和噪声观测数据,提供对系统状态的最优估计。卡尔曼滤波器广泛应用于信号处理、控制系统、导航、计算机视觉等领域。卡尔曼滤波器基于线性系统模型,假设系统的动态过程和观测过程都受到高斯噪声的影响。滤波器在两个主要步骤之间交替进行:预测(Prediction):根据系统的动态模型,
从这节开始,进入到LIO章节,LIO具有更高的鲁棒性、精度、实时性、环境适应性和成本效益,快来学习一下吧 一、IMU能干什么 惯性测量单元(Inertial measurement unit,IMU),是测量物体三轴姿态角以及加速度的装置。IMU通常包含陀螺仪 (Gyroscope)、加速度计 (Accelermeters),有的还包含磁力计(Magnetometers)。陀螺仪用来测量三轴的角度
KISS-ICP: In Defense of Point-to-Point ICP Simple, Accurate, and Robust Registration If Done the Right Way论文地址:https://ieeexplore.ieee.org/document/10015694/代码:https://github.com/PRBonn/kiss-icp 一、文章概
Lego_Loam包括了Image projection、Feature association、MapOptmization、Transform Fusion四个部分,下面博主将按照算法的逻辑顺序对代码中的重要函数进行讲解。本节是解析MapOptmization文件和Transform Fusion文件。该专栏的其他章节链接如下https://blog.csdn.net/HUASHUDEYANJ
A Survey on 3D Gaussian Splatting论文:https://arxiv.org/abs/2401.03890 一、文章概述 1.问题导向 基于图像的3D场景重建时机器理解现实世界环境复杂性的基础,促进了3D 建模和动画、机器人导航、历史保存、增强/虚拟现实和自动驾驶等广泛应用。3D 高斯抛雪球被视为下一代3D重建和表示的潜在游戏规则改变者,开辟了大量的应用程序,具有巨大
论文地址:https://arxiv.org/abs/2308.04079项目:https://repo-sam.inria.fr/fungraph/3d-gaussian-splatting/代码:git clone https://github.com/graphdeco-inria/gaussian-splatting —recursive 一、文章概述 1.问题导向 辐射场:辐射场是三维
论文:https://arxiv.org/abs/2003.08934TensorFlow代码:https://github.com/bmild/nerfPyToch代码:https://github.com/yenchenlin/nerf-pytorch 一、文章概述 1.问题导向 从新视点生成照片级真实感输出需要正确处理复杂的几何体和材质反射比属性。目前还没有一种方法可以生成照片级的场景渲染,
Lego_Loam包括了Image projection、Feature association、MapOptmization、Transform Fusion四个部分,下面博主将按照算法的逻辑顺序对代码中的重要函数进行讲解。本节是解析Feature association文件中的特征匹配部分。该专栏的其他章节链接如下https://blog.csdn.net/HUASHUDEYANJING/ar
Lego_Loam包括了Image projection、Feature association、MapOptmization、Transform Fusion四个部分,下面博主将按照算法的逻辑顺序对代码中的重要函数进行讲解。本节是解析Feature association文件。该专栏的其他章节链接如下https://blog.csdn.net/HUASHUDEYANJING/article/de
分享一些智能感知干货和论文解读
积分
粉丝
勋章
第三方账号登入
看不清?点击更换
第三方账号登入
QQ 微博 微信