相机内参标定，相机和激光雷达联合标定一、相机标定原理1.1成像过程1.2标定详解二、相机和激光雷达联合标定2.1标定方法汇总2.2Autoware的安装与运行2.2.1安装方式2.2.2安装Autoware的依赖(Ubuntu16.04/kinetic)2.2.3编译Autoware1.创造工作空间2.下载Autoware源码3.其他依赖4.编译5.效果2.3Autoware标定激光雷达和相机的外参过程一、相机标定原理1.1成像过程现实物体在相机中的成像过程离不开世界坐标系、相机坐标系、图像坐标系以及像素坐标系，只有理解了这些才能对获取的图像进行准确的分析。成像过程：四个坐标系如下图所示：世界
SLAM算法总结——经典SLAM算法框架总结SLAM算法总结——经典SLAM算法框架总结SLAM算法总结——经典SLAM算法框架总结从研究生接触SLAM算法到现在也有两三年了，期间学习了很多经典的SLAM算法框架并写了一些相关的博客，本篇博客主要目的是想将这些博客进行一个简单总结用于查漏补缺。首先，按照我的理解，我梳理了如下一个思维导图，如果读者发现有什么需要补充或者纠正的欢迎随时交流：按照分类，我们先来讲讲视觉SLAM，视觉SLAM算法相对于激光SLAM算法的特点是信息更加丰富，由于是在二维提取特征点，因此通常可以达到更高的频率，但也正是因为信息丰富，因此更容易引入噪声，加上缺乏三维信息，导
前面我们已经说过了视觉SLAM的运动方程和观测方程。在以相机为主的视觉SLAM中，观测主要是指相机成像的过程。1、相机模型 常见的针孔相机模型如上图，在空间中有一点P，点P坐标为，点P经过光心O投影之后落在了物理成像平面O'-x'-y'上，成像点为P',坐标为，设物理成像平面到小孔的距离为f（焦距）。根据相似三角形可以得出： 公式中的负号表示所成的像是倒立的。由于相机输出的图像并不是倒像，而且为了便于操作，我们可以等价的将成像平面对称的放在相机前方，和三维空间点一同放在相机的同一侧。如下图所示： 这样我们就可以将公式中的负号去掉： 将X',Y'放在等式左侧得： 上式描述了点P和它的像之间的空间
1、安装evopipinstallevo--upgrade--no-binaryevo--user即可直接安装成功如果说需要更新则更新即可/usr/local/bin/python3.7-mpipinstall--upgradepip2、测试evo_trajeuroc2.txt--plot报错：[ERROR]EuRoCformatgroundtruthmusthaveatleast8entriesperrowandnotrailingdelimiterattheendoftherows(comma)出现这个问题的原因是生成的原始文件中偶尔存在空格等不是完全规范的tum结果文件解决办法：运行如下
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，
一，重要的坐标关系的解析四个坐标系：世界坐标系、相机坐标系、图像坐标系、像素坐标系。世界坐标系：机器人或相机运动过程中，肯定需要知道它的位置，因此需要设定世界坐标系，认定固定不动，作为参考坐标系，描述世界中的任何一点P（Xw,Yw,Zw)。相机坐标系：相机或机器人运动的一个坐标系，通过世界坐标系的变换（旋转R,平移T）计算得到。因此主要是将世界坐标系描述的点坐标P（Xw,Yw,Zw)转换成相机坐标系下描述P（Xc,Yc,Zc)，方便计算得到在成像坐标系的坐标。图像（成像）坐标系：描述点在图像坐标系的成像点位置。像素坐标：在相机中得到的是一个像素，因此主要将图像坐标系的点转换成像素坐标系下。1.
激光雷达正式进入量产周期，而如何用好激光雷达，并形成更优更具性价比的激光雷达系统方案，助力激光雷达量产上车并真正用好激光雷达系统，将是接下来两年激光雷达赛道的主要方向。在近期开幕的上海国际车展上，亮道智能展示了其国内首款车规级纯固态侧向补盲激光雷达LDSatellite®，同期展示的还有基于亮道侧向补盲激光雷达LDSatellite®+前向激光雷达的多种配置方案，同时，还有配套感知算法和数据闭环产品服务等。只有基于完备的车载激光雷达感知系统量产解决方案，才能助力主机厂快速构建完整的数据闭环能力，更好助力智能驾驶系统功能与算法的迭代。一、软硬一体，打造高性价比完整车载激光雷达系统早在去年，亮道智
上一篇文章讲了cartographer算法手持雷达建图的参数调试，这篇进一步讲如何融合2D雷达与IMU采用cartographer算法进行slam建图。cartographer算法手持二维激光雷达建图（不使用里程计及IMU）https://blog.csdn.net/wangchuchua/article/details/127268037?spm=1001.2014.3001.5502首先先说一下我的硬件设备：思岚s1激光雷达、ToboticsROSIMUHFI-A9。 和上一篇讲的一样在进行文件修改之前一定一定要先弄明白自己的雷达和IMU的话题名称topic_id以及frame_id，
故障现象： 一台联想M7268激光打印机开机后电源键、复印键一起双闪，电源键闪红灯、复印键闪绿灯；检测维修： 根据闪灯故障判断如果无卡纸异常情况下可能是激光器故障，因为以前曾经维修过一台一模一样的机器故障基本相同，先打开机器吧，把硒鼓拿出来先看看有没有卡纸，进纸口也看一下没有卡纸，那就拆机在看一下吧，拧下机器盖板上的7颗螺丝，将机器外壳拆下，然后在清理一下机器内部的各个传感器、然后再拆下定影组件检查有无卡纸或异常并测量热敏电阻是否正常，检测后机器硬件大致无问题；
文章目录一、换源二、安装三方库2.1安装必要的依赖项2.2安装Pangolin2.3安装OpenCV32.4安装Eigen3三、安装ORB-SLAM2四、安装ORB-SLAM34.1安装OpenCV44.2安装ORB-SLAM3五、安装ROSMelodic六、ROS安装摄像头驱动七、ROS实时运行ORB-SLAM27.1相机标定7.2编译ORB_SLAM2ROS例子7.3实时运行ORB-SLAM2八、安装SLAM测评工具evo8.1安装evo8.2测试evo九、安装PCL和Octomap十、安装优化库：G2O、GTSAM和Ceres十一、安装Sophus在新安装的Ubuntu18.04系统中配
