1、融合流程 1.1、状态方程(求F和B) 状态方程一般形式如下(是一个微分方程)x服从一个高斯分布 状态量由预测给出(本例中是由IMU预测) 其中 状态量的误差 状态量误差的微分形式为 所以他们的转换矩阵F为 IMU自身误差 加速度误差，角速度误差，bias误差
加速度计内参模型 1、零偏 概念：加速度计输出中的常值偏移，及bias 2、刻度系数误差 概念：器件的输出往往为脉冲值或模数转换得到的值,需要乘以一个刻度系数才能转换成角速度或加速度值,若该系数不准,便存在刻度系数误差 3、安装误差 概念：如右图所示,b坐标系是正交的imu坐标系,g坐标系的三个轴是分别对应三个陀螺仪。由于加工工艺原因,陀螺仪的三
1、卡尔曼滤波介绍 参考 详解卡尔曼滤波原理_清风莞尔的博客-CSDN博客_卡尔曼滤波原理 1、运动方程与观测方程 其中 代表位置和速度 Vk代表输入输入，Wk代表噪声 运动方程表示已知k-1时刻的状态和k时刻的输入来预测k时刻的状态(位姿) 当融合imu与雷达信息时，由imu得到预测即运动方程(状态方程)，雷达得到观测方程
雅可比矩阵推导 线特征： 核心思想：点到直线距离最小。通过平行四边形面积除以对角线长度 面特征 核心思想：使得点到面距离最短 线/面特征雅可比矩阵解析求导实现 需要修改的代码为 include/lidar_localization/models/loam/aloam_f
代码，cmake，launch等都在网盘链接中 链接: https://pan.baidu.com/s/14hWBDnRZC41xkqAk6FirtA 提取码: 1een--来自百度网盘超级会员v4的分享 1、简介 3D激光雷达和相机的融合指的是将激光雷达获得的3D点，投影到相机图像上，从而给图像每个像素点添加深度信息或者为雷达获取到的3D点添加RGB信息。效果如图： 可以知道
第一次写博客，难免有错误，大家多多指正！ ORB-SLAM2: GitHub - raulmur/ORB_SLAM2: Real-Time SLAM for Monocular, Stereo and RGB-D Cameras, with Loop Detection and Relocalization Capabilities ORB-SLAM3: GitHub - JKTao/ORB
代码和数据网盘链接 链接: https://pan.baidu.com/s/11e1ICOxjYAZxdM4Gx0zlJg 提取码: inp1--来自百度网盘超级会员v4的分享 若在我给出的代码之上做了一些优化调整，希望能分享出来放在博客评论里，大家共同学习进步！ 注意再运行此代码时anaconda和ros都应该已经安装好了；并且不会冲突(两者冲突比较常见自己当时调的比较麻烦)解决冲突的办法
本文主要介绍，利用Airsim中自己的场景跑通Lego-Loam；并且画出Lego-Loam的里程计轨迹，与真值轨迹(目前只能完成基本的建图功能，画轨迹部分待完善，坐标系搞得有些蒙) 1、设置setting文件 { "SeeDocsAt": "https://github.com/Microsoft/AirSim/blob/master/docs/settings.md", "Se
1、点云读写 pcl官方教程真的比较详细，可惜是英文的，不过耐心看下去，也能看懂。 Reading Point Cloud data from PCD files — Point Cloud Library 0.0 documentation 读取pcd文件 #include <iostream> #include <pcl/io/pcd_io.h> #incl
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