一、引言 很久没有更新博客了,平时有点忙,趁着假期时间比较多,进行一些小阶段的总结 本文主旨是利用Solidworks导出URDF模型用于gazebo仿真环境中去,因为gazebo自身的模型库受限或者我们想要显示自己想要的模型(感觉就是加个皮肤),经常需要3D绘图软件去绘制,比如Solidworks,但是一般怎么样才能让3D绘图软件和gazebo模型交互呢,Solidworks就提供了一款
2022.9.26 bionic 一.安装 1.opencv安装 我这里提供3.4.1版本 自取放到ubuntu中,解压 链接:https://pan.baidu.com/s/1M6QUGGHJDwvDlizLZg-_xw 提取码:xaya 当然了你去官网可以安装新的版本 https://opencv.org/releases/ 不过我这里是按照3.4.
一、引言 此文续上节Solidworks导出URDF模型 系统版本与ROS版本:Ubuntu18.04、Melodic 内容:(1)Setup Assistant配置自己的机械臂的URDF模型 (2)实现机械臂在rviz与gazebo之中的联调仿真,即通过调节rviz参数可以使rviz与gazebo中的机械臂一起动 本文主要用KUKA机械臂模型(当然是项目需要啦) 目前还没有给它夹爪
一、引言 上一节中已经构建了一个可以动的机械臂模型,但是没有夹爪并不可以去执行后续的抓取动作 这一节主要是添加机械臂的夹具到已有的模型上 因为前面已经做好了铺垫,这里就可以简述一下,然后再进一步说下moveit配置带有夹具的机械臂的过程,其实整体过程都是一样的 机械手主要由两个joint和三个link(有一个手部还有两个爪子) 二、构建机械手 这一部分同样是用solidwork
MATLAB绘制正反馈和负反馈的根轨迹。 1.绘制负反馈根轨迹 代码如下: clear;close all;clc; num=[1,2]; den=conv([1,0],conv([1,5],[1,-5])); sys=tf(num,den); rlocus(sys); axis(num,den) 其中,num表示分母的系数,den表示分子的系数。所以例子的分母为K1(s+2
MATLAB求冲激函数的傅里叶正反变换。 代码如下: clc; clear all; x=-5:0.1:5; %x轴范围 y=dirac(x-0); %x=0处有δ函数,即δ(x-0) y=sign(y); %改变幅度 y1=fft(y); y2=ifft(y); plot(x,y1); hold on; plot(x,y2); hold on; axis ([-3
MATLAB用fourier和ifourier函数,以符号形式表示门函数的傅里叶正反变换。 MATLAB代码如下: f=heaviside(0); syms y; y1=fourier(f,y); y2=ifourier(f,y); display(y1); display(y2); 结果如图:
太久没更新主要是在忙开发和测试,这几个月被很多同学提问,同时接触了一些实习生。普遍发现动手能力不错,数学基础却差异很大。从我身边电子,CV或者SLAM做得比较杰出的朋友来看,大家普遍有个共性,具备优秀或者杰出的数学基础。今天接着著名的18.06课程,总结和分享一下线性代数部分。全文字多,基本没涉及到具体开发或者具体算法。 在中文网没有搜索到18.06的课程总结,干脆自己写一下,这
VIOBOT种子用户有了一定的数量,日常大家也会进行交流,整理总结一下近期的交流与答疑。 VIO-SLAM(作为三维SLAM,相对于Lidar-SLAM和LIO-SLAM)在工程上落地的长期障碍,不仅在算法精度本身,还有相对严重的鲁棒性问题,尺度问题,世界观问题和沉重的开销/成本问题。 这些我在过往的文章中已经提过了多次,我们组的核心工作也是一步步去解决这些通用性问题,工作已经持续了21个月,
1.先修改源码 把本来写的是 ./examples/trajectory.txt 改成 ../../examples/trajectory.txt 因为观察外边的目录结构,就发现这个txt文件是存在examples下面的,但是呢你执行的时候,是在examples/build下执行的 2.安装库 #sudo sudo apt install libglew-dev libxkbcommon
一、安装Eigen 执行命令: sudo apt-get install libeigen3-dev 虽然安装了Eigen库,但是编译时找不到相应文件: 因为我们默认的安装地址是/usr/include/eigen3/Eigen,我们可以把它映射到/usr/include下执行命令: sudo ln -s /usr/include/eigen3/Eigen /usr/includ
知识主要来源于对Barfoot教授“机器人学中的状态估计”的分析总结理解以及工程实践,感谢高翔博士及其他译者。 今天写了2篇基础文,决定认真抽时间写一篇干货,是整个系列的第一篇,也是整个团队过去这大半年对整个VSLAM、VIO的全面理解与落地,同时也为后续DIO/VDIO相关的工作做一些记录与整理。 全项工作的起源来自于我们过去6年对整个机器视觉领域的研究和我过去19年对整个EEE相关工作的感
继续感谢Barfoot教授与高翔博士及小伙伴们 最近项目组项目攻关的过程中又卡住了,问题成因一层层地扒基本也拿住了,实验也在疯狂地做,一般到了这个阶段我又没啥事干了,于是开始码字 写正经事前开始惯常性吐槽,同事和学弟们说写文章一定要多发图多放式子多放代码和链接。。。 但是作为一个刚满40的老工程师,实在是不擅长这些,如何用最简单的语言和标注把事情说明白,我觉得是一件更加有意义的事情。 今天
22.10.11 18.04如果你之前看了我前面的所有实践过程,正确配置了相关库版本文件,那么可以继续看下去 目录 一.LK光流 1 在data中解压文件 2 下面进入LKFLOW文件夹内 3 实现:`./useLK +data的文件目录地址` 二.高斯牛顿法实现单层光流和多层光流 1 optical_flow.cpp 2 CMakeLists.tx
2022 10.17 bionic一切必要的库文件例如 ceres fmt 等等安装完成之后再继续往下看 具体步骤 1 安装MeshLab 2 修改CMakeLists.txt文件 3 实现结果(ceres) 4 使用meshlab 5 基于g2o的BA优化 1 安装MeshLab sudo apt install meshlab
继续感谢Barfoot教授与高翔博士及小伙伴们 这篇算是大通稿了,写卡尔曼和讲过卡尔曼的资料,文章均不及其数。要想写出新意来,感觉还是从多传感器融合融态的方向来写大白话比较好,这篇整体偏向本科生和初学者。 基于这个思路,先列一下运动方程与观测方程(来自于机器人学中的状态估计,下标不会弄截图了): 这2个方程可以说是机器人状态估计中的核心了,整体以及变量对应的含义都有了,注意除了vk是确定
今天突然想起应该补充一下正确的成长路径和需要掌握的技能 机器人状态估计是一门学习曲线陡峭的学科,总体来说需要大量的数学知识,以及较强的代码能力。很多工程师总是会在这个领域开始时就容易放弃,这里我总体描述一下应该如何有效地提升能力,无论是未来考研,还是从事机器人行业(如自动驾驶),还是从事XR或元宇宙行业,相信都会有较大的作用。 1.首先第一步,机器人状态估计数论入门整体是由50%的线性代数,2
22.10.5 1对极约束求解相机运动 1 这里选择重新建一个文件包,新建CMakeLists.txt 里面有src目录,目录下放咱们的cpp文件以及图像1,2文件 cpp代码如下所示 #include <iostream> using namespace std; #include <opencv2/core/core.hpp> #include &l
机器人状态估计总体由如下三部分构成: 1.前端里程计 2.后端优化 3.回环约束 目前总体的研究重心在后端优化,但本质上无论是光束平差法BA(或称为集束调整)还是卡尔曼滤波,慢慢现在差异都变得越来越小了。这个在后续再详解。今天重点聊聊前端。 前端里程计总体来说是比较简单的部分,描述常用的3种,有部分前端涉及到专利壁垒,提及的主要都是公开和方便使用的。先从提取说起: 1. ORB OR
2022.10.1国庆 bionic基于slambook2 1.更新cmake版本 千万不要卸载删除ubuntu原有的cmake,否则之前经过原有cmake编译过的文件将也会被删除,比如 ros 因为需要glog,而glog的cmakelists对于cmake的版本要求卡的很死,要3.16以上,那么原先自带的cmake只有3.10显然不够用了 我这里附上我安装的某云包,需要的自取
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