这讲会提供示例代码! Content 1. “迷宫寻宝” 之任务发布 2. “迷宫寻宝” 之任务分析 3. “迷宫寻宝” 之具体实现 ①机器人建模 ②图像处理 ③视觉伺服 ④导航&SLAM 1. “迷宫寻宝” 之任务发布
目录 VIO 相关知识回顾 IMU 传感器模型: (1) IMU 预积分: 将一段时间内的 IMU 数据直接积分起来就能得到两时刻 i,j 之间关于 IMU 的测量约束,即 预积分量: (2) 丢失了尺度信息 用 Typora 画的,字体有点小了 V
补充 深蓝学院-手写VIO 第六章 与《十四讲》前端知识不重合的部分。内容较少,没有前几章丰富。 前端 Frontend 非常能体现一个 SLAM 的追踪效果 ORB-SLAM2 使用 Covisibility-Graph,具有较好的全局精度 DSO 使用带边缘化的滑动窗口,无回环时漂移较少
从高斯分布到信息矩阵 某个状态 ,以及一次与该状态相关的观测 。由于噪声的存在,观测服从 的概率分布,可以直观理解为:在状态 下,呈现观测 的概率,当此概率越大说明该观测越准确。多次观测时,假设各个观测之间相互独立,则多个测量 构成的似然概率为: (1) 如果知道机器人状态的先验信息 ,如 GPS,车轮码盘信息等,则根据贝叶斯法则,可以求得后验概率:
滑动窗口算法 图优化基础 在十四讲中,我们已经接触了图优化以及如何使用 g2o 进行后端优化。 圆圈 Vertex:表示顶点,需要优化估计的变量。 边 Edge:表示顶点之间构建的残差。有一元边 BaseUnaryEdge,二元边 BaseBinaryEdge,多元边 BaseMultiEdge。 Example 1 图模型: (1) 其中:
接着上篇:从零手写VIO——(三)基于优化的 IMU 与视觉信息融合(上篇) 再次说明一下,本博客目前只是我在看深蓝时记录的,当然会有很多 PPT 上的内容,加上一点自己学的时候的理解,或者补全没有写全的推导,目的是能够留下一个电子形式的资料,直接目的是留给自己之后反复查看。每次视频我都是一点点啃下去的,属实对我这种本科生并不友好(本科大牛请绕路),所有内容都是一点点用
分上下篇吧,一共有七八十个公式呢 ^-^ 写在一篇就太长了 大批公式预警! 基于 Bundle Adjustment 的 VIO 融合 视觉 SLAM 里的 Bundle Adjustment 问题 ↓下图选自 SBA: A Software Package for Generic Spar
旋转运动学 线速度和角速度 粒子在坐标系中 的平面做圆周运动,坐标为: 。 对坐标求导得: (1) 其中 ,这里的 和 的 是不同的,也用了两种字体区分, 是 。 是旋转角对时间求导 的系数。 是我们定义的一个反对称矩阵。 对公式(
前段时间周更的vSLAM基础系列突然停更了,也是因为考试周时间不足以让我在看书和写博客之间调剂了。希望朋友们能体谅一下。 从这周开始会开始更新一个新的栏目就是从零手写VIO。这个没有像视觉SLAM十四讲那样的textbook,so我们就在这个平台一起分享和学习叭~ 视觉 + IMU 融合定位的基础理论和实现:
封面就是我的双目相机了 —— MYNT EYE D小觅双目摄像头深度版系列结构光双目深度惯导相机。之后会做测评的视频?或者博客吧~ 下面还是重头戏,看了上一期 芝士奶盖:视觉SLAM-从零爬起打破秃头魔咒——(三)李群与李代数 的阅读量,我感觉Notability不是不受欢迎,对于我这个刚开始写博客的小小blogger来说,所以我们继续冲! PD
嘿嘿嘿我回来了! 李群和李代数真的让我头大,做为一个本科生,又不像高博他清华大学本科线性代数就先讲群,我们都是从矩阵起步的。所以很多数学知识真的是从零学起,又夹杂了很多近世代数和抽象代数的知识,就更难以理解了。我不光记录下了学习的笔记还有一些,学到一定地方的感悟。↓Notability奉上! 下面是指数映射和对数映射↓
由于用Notability写的公式,有些是换页的,导致被分解开了,也想到图片可能不清晰,可以通过下面链接下载PDF以及配套代码~.~ 百度网盘链接:https://pan.baidu.com/share/init?surl=UhYExJChhSDIK-HB45cS6w 密码: p94r
20 霍夫圆检测 1 原理简介 2 相关API ①原理简介 对于笛卡尔坐标系中圆的方程为 也就是 即 对于圆而言,只要圆心a,b相等,半径r相等,那么就在同一个圆上。经过xy坐标系映射到abr的坐标系上,会形成很多三维的曲线,多个
10 膨胀与腐蚀 1 膨胀 2 腐蚀 (1)形态学操作(morphology operators)——膨胀、腐蚀 图像形态学操作——基于形状的一系列图像处理操作的合集,主要是基于集合论基础上的形态学数学 形态学有四个基本操作:腐蚀、膨胀、开、闭 膨胀与腐蚀是图像处理中最常用的形态学操作手段 膨胀: 跟卷积操作类似,计算kernel下
1 概述 - OpenCV介绍与环境搭建 HighGUI部分 Image Process 2D Feature Camera Calibration and 3D reconstruction Video Analysis Object Detection Machine Learning GPU加速
1.2 线性映射 1.2.1 线性映射与线性变换 设V1,V2,是 F上的线性空间,σ:V1→V2 是映射。 (保加性)σ(e1+e2)= σ(e1)+σ(e2) (保数乘性)σ( e⋅k )=σ( e ) ⋅ k 则成 σ 是 V1 到 V2 的线性映射。 若 V1 =V2= V,则称为 V 上的线性变换。
1.1、线性空间 给定非空集合V和域F,若存在映射\sigma:V×V→V、(V_1,V_2)↦σ(V_1,V_2)则称\sigma为V上的加法。 1.1.1 域 域: 有+,-,×,÷的一个运算系统。 那么什么不是域呢? Z_+={0,1,2,3,4,…}这就不是个域,因为不存在除法、减法的运算,0-1不再Z_+的集合内了
我看了网上很多的教程,不过一直僵持了很久都没能成功,今天偶然成功了,分享一下成功的经验。因为网上很多都是Ubuntu和树莓派系统的SSH搭建,也为使用TurtleBot的机器人爱好者一个成功的案例吧。 相信大家都做过不少尝试了,之前发布过TurtleBot3-Burger+Ubuntu18.04+Melodic ROS 安装记录,我是通过HDMI线连接的显示屏做的树莓派的
vSLAM的数学铺垫。 1. 点与坐标系 2. 旋转矩阵 参考文章: 四元数与三维旋转 QUATERNION&3D ROTATION 3. 旋转向量和欧拉角 4. 四元数
不同于之前发布的文章。我将使用一种全新的方式,iPad Notability+Blog的方式打开这个板块的大门。原因有两个: (1)Notability更方便手写长公式,也方便手绘坐标系变换等等; (2)之前Apple Pencil找不到了新破费买了支,加上时间上不太充裕用KaTeX编写公式,也算是投机取巧吧。 大多数笔记会通过图片的格式发布,当然也可以找我要原版PD
我们在机器人控制中见到的四元数就是这里的q,需要旋转的向量是v,旋转轴为,通过v′=\mathnormal{qv} q^∗就可以计算得出旋转后的向量。q=[cos{θ \over 2},sin{θ \over 2}u],是一个单位四元素,即范数∣∣q∣∣为1。通过把需要旋转的向量v用纯四元数表示,后计算,就可以得到相应的结果了。
先放张效果图,(*^__^*) 嘻嘻…… 一、硬件安装视频&资料 我自己录了个小视频,链接:TurtleBot3-Burger硬件安装记录 萌新之一镜到底&手机剪辑。 这个链接有智能佳提供的装配视频和硬件清单: Turtlebot3入门教程 —— 硬件配置( Hardware Setup )。 官方提供的说明书手册电子
CMake的使用简介和补充知识 内容概要 认识CMake及应用 应用,与Gcc,Makefile, Autotools比较的优势 CMake语句的主题框架 cmake问题分析思路,主体的结构,语法的构成,及基本模块功能 CMake的常用指令及变量 基本常用指令(安装,测试,调试),常用的CMake语法变量含义 CMake的实践应用 从简单的CMake文件说起
首先分成两个Part吧:直观和公式。 预备知识 1. 协方差矩阵是对称矩阵,对角线上是各维度本身的方差,其他是不同维度间的协方差; 2. 贝叶斯公式: 3. 多维高斯分布: 4. 期望和协方差矩阵: 在 时, 直观部分  
北京化工大学 机械设计制造及其自动化
积分
粉丝
勋章
TA还没有专栏噢
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