SLAM算法与工程实践系列文章下面是SLAM算法与工程实践系列文章的总链接，本人发表这个系列的文章链接均收录于此SLAM算法与工程实践系列文章链接下面是专栏地址：SLAM算法与工程实践系列专栏文章目录SLAM算法与工程实践系列文章SLAM算法与工程实践系列文章链接SLAM算法与工程实践系列专栏前言SLAM算法与工程实践——相机篇：传统相机使用（1）相机相关命令出现的问题调用相机以MJPG格式打开相机前言这个系列的文章是分享SLAM相关技术算法的学习和工程实践SLAM算法与工程实践——相机篇：传统相机使用（1）相机相关命令插上USB相机，使用命令查看USB设备lsusb可以识别相机使用命令查看识
github源码链接V2文章目录第7讲视觉里程计17.1特征点法7.1.1特征点7.1.2ORB特征FAST关键点⟹\Longrightarrow⟹OrientedFASTBRIEF描述子7.1.3特征匹配7.2实践【Code】本讲CMakeLists.txt7.2.1使用OpenCV进行ORB的特征匹配【Code】7.2.2手写ORB特征估计相机运动【相机位姿估计】3种情形【对极几何、ICP、PnP】7.32D-2D:对极几何单目相机(无距离信息)7.3.2本质矩阵E\bm{E}E7.3.3单应矩阵(Homography)【墙、地面】7.4实践：对极约束求解相机运动【Code】讨论！！！7.
最近做了一些关于激光雷达的实验，并了解了一些雷达点云配准的算法在这里给大家分享一下，也算是记录一下学习的过程，留下一点自己的理解。1.为什么要点云配准因为雷达采集到的点云信息需要进行数据融合，得到效果更好的点云数据。这里点云信息的不同主要体现在三个方面：不同的时间不同视角不同设备目前应用最广泛的点云精配准算法是：迭代最近点（ICP）和正态分布变化算法(NDT)2.点云配准的过程通过一定的旋转和平移变化将不同坐标系下的两组或者多组点云数据统一到同一坐标系下。这个过程可以通过旋转矩阵和平移矩阵来完成。这里面相对复杂一点是旋转矩阵，旋转角度直接作用于点上，在x，y，z轴上的旋转举证可以写成： 这里
目录目录1.实验环境2.安装步骤2.1安装必要的库和依赖 3.结果4.附录（碰到的错误）4.1Panlogin版本装错怎么办4.1.1卸载Pangolin（新安装跳过此步）4.1.2新安装或重新安装Pangolin5.如果还没解决请参考以下文章和视频1.实验环境使用vmware安装虚拟机：ubuntu18.04(注进不去github需要开飞机chang)2.安装步骤2.1安装必要的库和依赖（1）更新apt库，更新软件列表sudoapt-getupdate（2）安装git，用于从Github上克隆项目到本地sudoapt-getinstallgit（3）安装cmake，用于程序的编译sudoa
最近系统性学习了一遍LIO-SAM，开始的时候一直搞不懂里程计坐标系，经过不断学习才有了一点自己的拙见。引言：首先我们搞清楚SLAM算法主要是解决建图与定位问题，其更侧重定位，即让机器人知道自己在全局地图的哪个位置，只有这样才能继续后续的预测、感知、控制等模块。但是SLAM算法做定位这件事存在的意义就是为了解决当GPS这类非自主定位传感器信号不连续时的定位问题。SLAM算法主要是靠激光雷达/相机、IMU等传感器来做定位，但是不管是精度再高的激光雷达通过点云匹配得出位姿还是IMU预积分给出的位姿都会和map中的绝对位姿产生不断变化的误差，这个不断变化的误差便造就了不断变化的“里程计坐标系”。继续
点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【BEV感知】技术交流群后台回复【3D检测综述】获取最新基于点云/BEV/图像的3D检测综述！3D目标检测是自动驾驶中感知周围环境的一项重要任务，尽管性能优异，但现有的3D检测器对恶劣天气、传感器噪声等造成的真实世界的破坏缺乏鲁棒性，这引发了人们对自动驾驶系统安全性和可靠性的担忧。为了全面而严格地衡量3D检测器的损坏鲁棒性，本文考虑到真实世界的驾驶场景，为激光雷达和相机输入设计了27种常见的损坏。通过在公共数据集上综合这些损坏，建立了三个损坏鲁棒性基准——KITTI-C、nuScenes-C和WaymoC。
前言：视觉感知包括二维和三维视觉感知，其最终目的是为了获取三维世界坐标系下感兴趣的目标和场景的信息。单目相机下，需要几何约束或者海量数据来学习，以此来推测三维信息。双目相机下，可基于立体视觉原理来计算目标的深度信息，但在光照条件比较差或者纹理信息比较少的区域，很难找到匹配特征，因此深度估计效果会比较差，而且深度估计的精度会随着距离的增加会显著降低。相比于视觉系统间接推测三维信息，激光雷达可直接获取物体和场景的三维信息，因此激光雷达对于视觉传感器来说是一个很好的补充。1.激光雷达基础（1）激光探测与测距系统（LightDetectionAndRanging,LiDAR）激光波长905nm：需要限
平台：ubuntu18.04+rosmelodic设备:速腾16线激光雷达（RS-Helios-16P)、IMU(WHT901B-485)，使用方法见前文1.创建backpack_2d_rs_16urdf文件（路径：car2_ws/install_isolated/share/cartographer_ros/urdf)2.创建rs16_3d.lua文件（路径：car2_ws/src/cartographer_ros/cartographer_ros/configuration_files)include"map_builder.lua"include"trajectory_builder.l
第1章：ROS入门必备知识ROS全称RobotOperatingSystem，是一个用于机器人应用开发的开源框架。ROS提供了一系列工具和库，使得机器人开发者可以更轻松地编写软件，从而实现机器人的感知、控制、定位、导航等功能。ROS使用publisher-subscriber模型实现消息传递，支持多种编程语言。由于它拥有方便的模块化设计，可以让开发者更方便地调试和修改程序，大大缩短机器人应用的开发时间。ROS在机器人领域得到了广泛应用，也成为了学术界和工业界的标准工具之一。ROS概述ROS是适用于机器人的开源元操作系统ROS集成了大量的工具，库，协议，提供类似OS所提供的功能，简化对机器人的控
目录1前言2TOFSense系列2.1UART2.1.1TOFSense参数设置2.1.2接线2.1.3飞控参数设定2.2CAN（支持级联）2.2.1TOFSense参数设置2.2.1接线2.2.2飞控参数设定3TOFSense-F系列3.1UART3.2IIC（支持级联）3.2.1TOFSense-FIIC参数设置3.2.2接线3.2.3飞控参数设定4TOFSense-M系列4.1UART4.1.1接线4.1.2飞控参数设定以及添加脚本文件4.2CAN4.2.1接线4.2.2飞控参数设定以及添加脚本文件1前言自2023/7/10日起ArduPilot飞控固件开始支持深圳空循环科技有限公司的T
