2D-3D pose tracking 本文主要是记录一下 <Monocular Camera Localization in Prior LiDAR Maps with 2D-3D Line Correspondences> (IROS 2020)这篇文章的开源代码的编译运行方法。文章主要讲述利用线匹配的方法在,把单目相机获得的2d图像和先验3d激光雷达点云地图进行匹配的方法。
前言 摩西摩西,首先我们先来介绍一下什么是UNIX域的socket吧! 参考网上的文章, UNIX Domain SOCKET 是在Socket架构上发展起来的用于同一台主机的进程间通讯(IPC)。它不需要经过网络协议栈,不需要打包拆包、计算校验和、维护序列号应答等。只是将应用层数据从一个进程拷贝到另一个进程。UNIX Domain SOCKET有SOKCET_DGRAM和SOCK
动态场景下的语义SLAM的简单实现 感谢这篇博客在前期给了我一点方向:https://blog.csdn.net/ns2942826077/article/details/103723018 一、前言 之前保研结束,就直接跟着研究生导师开始做毕设,毕设题目是动态场景下的语义SLAM。我提交给本科这边的毕设要求有三点:1、基于ORB-SLAM2,结合双目相机数据集构建出稠密点云地图
手写BundleAdjustment 使用手写BA解决了PnP问题,除了读取图片、显示图片用的opencv,其他基本上只使用了eigen、sophus。 代码放在了百度云上(github还在研究怎么用,以后可能会上)链接:https://pan.baidu.com/s/1CBJMKXGeelBSuJUuk7E1mw提取码:br5o 一、总览 由于c++基本功及其不扎
在一些奇怪的地方,特别是不用c++的地方。点云文件需要转为txt格式的文件,方便调用。本文写了一个小工具用于把pcd文件转为txt格式 src/pcd2txt.cpp #include <iostream> #include <pcl/io/pcd_io.h> #include <pcl/point_types.h> #include <
一、简介 最近在研究异构传感器定位方面的东西,读了一些论文。写个文章做个小结,主要是为了自我总结,也给有缘的网友们一起看看探讨探讨。以后每读一篇论文就再加一节。异构传感器(Heterogeneous sensor),是一个乍一看很高端的名词,其实异构的意思我的理解就是不同源的传感器,类似于camera、lidar、imu、rtk等传感器都是不同源的。那么异构传感器定位呢,就是利用不同源的传感器获
此代码合并了每一帧的激光点云数据,构成了激光点云地图.ground truth,即真值,在本文简写成GT。在kitti数据集中,GT代表了世界坐标系下相机的位姿真值,也就是Tcam2world经过我的一番推导,Pworld = Tcam2world * Tlidar2cam * Plidar(其实不一定对hhh)最终写成了以下代码 src/sum_liadrCloud.cpp //合并每一帧的
环境:ubuntu18.04 + pcl1.8主要还是使用了pcl库中的一些简单的函数实现 src/pcd2ply.cpp: //用于把点云由pcd文件转为ply文件 #include <iostream> #include <pcl/io/pcd_io.h> #include <pcl/io/ply_io.h> #include <p
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