博主的合并代码git@github.com:huashu996/VINS-FUSION-ESDFmap.git一、D435i深度相机配置1.1SDK+ROS参考我之前的博客，步骤和所遇见的问题已经写的很详细了https://blog.csdn.net/HUASHUDEYANJING/article/details/129323834?spm=1001.2014.3001.55011.2相机标定参数1、相机内参通过rostopic的camera/info获取header：标准消息头seq：序列ID，连续递增的ID号stamp：两个时间戳frame_id：与此数据相关联的帧IDheight：图像尺
EVO库是一个很方便的开源库（PythonpackagefortheevaluationofodometryandSLAM），evo是一个很好的测评工具，它可以根据时间戳将轨迹进行对齐，同时可以将不同尺度的轨迹按照你指定的标准轨迹进行拉伸对齐，并可以算出均方差等评定参数，用于测评slam算法性能。下载：github链接：https://github.com/MichaelGrupp/evo与其他公共基准测试工具相比，evo有几个优势：不同格式的通用工具用于单目SLAM等的关联、对齐、比例调整的算法选项。灵活的输出、绘图或导出选项（例如LaTeX绘图或Excel表格）一个强大的、可配置的CLI，
Ubuntu18.04——安装环境及运行Vins_mono一、环境安装1.检查安装版本openCVEigenPangolin二、ubunt18.04使用国内源安装ros及问题解决1.添加国内中科大源2.软件库更新3.安装全功能版本的ROS如果出现错误（E:Sub-process/usr/bin/dpkgreturnedanerrorcode(1)）解决办法：最终解决办法：4.初始化空间如果报错内容为“sudo:rosdep：找不到命令提示”则运行如果报错内容为5.更新空间6.添加环境变量7.安装完成，运行小乌龟测试以下，新建3个终端，分别运行三、运行Vins_mono1.下载编译Vins_mo
（RAL2023）摘要 本文介绍了一种利用点和线特征的高效视觉惯性同步定位和映射(SLAM)方法。目前，基于点的SLAM方法在弱纹理和运动模糊等场景下表现不佳。许多研究者注意到线特征在空间中的优异特性，并尝试开发基于线的SLAM系统。然而，线条提取和描述匹配过程的计算量巨大，难以保证整个SLAM系统的实时性，而错误的线条检测和匹配限制了SLAM系统性能的提高。本文通过短线融合、线特征均匀分布、自适应阈值提取等方法对传统的线检测模型进行改进，获得用于构建SLAM约束的高质量线特征。基于灰度不变性假设和共线性约束，提出了一种线光流跟踪方法，显著提高了线特征匹配速度。此外，提出了一种独立于线端
0.简介现在的SLAM算法在静态环境中表现良好，但在动态环境中很容易失败。最近的工作将基于深度学习的语义信息引入到SLAM系统以减轻动态对象的影响。然而，在资源受限的机器人的动态环境中应用鲁棒定位仍然具有挑战性。所以《RGB-DInertialOdometryforaResource-RestrictedRobotinDynamicEnvironments》提出了一种用于动态环境下资源受限机器人的实时RGB-D惯性里程计系统-Dynamic-VINS。系统包含三个主要并行运行的线程：目标检测、特征跟踪和状态优化。这里作者放出了Github代码。Dynamic-VINS采用基于网格的特征检测方法
1.Ubuntu22.04源码编译安装ROS-noetic由于22.04默认安装ROS2，但很多仓库都是基于ROS1的，不想重装系统，参考这两个博客安装了ROS-noetic：博客1.https://blog.csdn.net/Drknown/article/details/128701624博客2.https://zhuanlan.zhihu.com/p/418227536我的库版本（实测可行）：ceres：1.14.0（用2.系列版本的编译时需要把C++版本设为14，可能也可以适配，但我当时折腾时用我这一套跑通了）opencv：3.4.15eigen：3.3.7编译可能会出现一些bug，先
ubnutu下经常用到ROS，ubnutu20.04安装ros时自带opencv4.2，但是很多工程用到的opencv都是低版本opencv3系列，比如vins-mono就依赖opencv3。虽然很多教程说在CMakeLists指定opencv版本，但是会出现很多问题：error:‘CV_RGB2GRAY’wasnotdeclaredinthisscope或者警告/usr/bin/ld:warning:libopencv_calib3d.so.3.3,neededby/home/gl/SLAM/pl_vins_ws/devel/lib/libcamera_model.so,mayconflic
回环检测的任务主要是为了检测机器人是否到达之前相同的位置，并且消累计的误差。VINS_Fusion的回环检测和VINS_Mono基本相似。只是loop_fusion中读取的很多参数是直接设定好的。回环部分我们先从pose_graph_node.cpp开始。一、pose_graph_node.cpp1.1读取参数首先看主函数，主要开头是设置基本的参数和读取.yaml文件和字典文件等。这部分其实没有太多需要理解的，就是简单的读取参数和复制，并且完成了ROS节点的初始化工作。ros::init(argc,argv,"loop_fusion");ros::NodeHandlen("~");posegr
目录一、相关介绍二、VINS-FUSION环境安装及使用（一）Ubuntu18.04安装配置1、Ubuntu下载安装2、设置虚拟内存（可选）（二）VINS-FUSION环境配置1、ros安装2、ceres-solver安装3、vins-fusion编译安装（可选，针对不接入小觅相机，仅想运行已有数据集）（二）VINS-FUSION运行官方数据集1、下载数据集2、运行双目3、运行单目+IMU4、运行双目+IMU三、VINS-FUSION接入小觅相机（一）安装MYNT-EYE--FUSION-Sample（二）安装MYNTEYESDK（三）实时建图+bag数据包采集一、相关介绍VINS系列|VIN
准备工作：（1）电脑装有NVIDIA显卡（2）安装ROSnoetic/Installation/Ubuntu-ROSWiki（3）安装cudaUbuntu安装cuda_GXU_Wang的博客-CSDN博客（4）安装ceres1.14.0Ubuntu20.04安装Ceres1.14.0_我是你de不死的bug的博客-CSDN博客一、安装OpenCV4.6.0下载opencv源码，选择所需要的版本opencv4.6.0，相应的扩展opencv_contrib4.6.0，以及用于桥接ROS和opencv的cv_bridgeReleaseOpenCV4.6.0·opencv/opencv·GitHub
