- 博客(9)
- 收藏
- 关注
RSS订阅原创 25.3.14slam学习笔记
跟踪线程:线程输入数据为单帧图像，其功能主要包括:(1)从输入系统的图像帧中提取特征点，进行特征匹配和误匹配消除。使用正确的匹配点对来估计图像之间的相机运动；同时利用双目测距原理计算匹配特征点的深度数据，并将其转换为3D地图点；(2)判断该帧是否满足成为关键帧的条件。如果满足条件，该帧将被转换为关键帧，并准备输出到后续线程。
2025-03-15 13:41:04
629
原创 2025.2.27SLAM学习笔记
的设计结合了灰度图像和深度图像的信息，利用法向量和深度信息增强了特征描述符，使得其在动态和复杂环境下能够更好地匹配特征点。加权欧几里得距离用于根据深度信息的可靠性对描述符进行匹配，提高了匹配的精度和鲁棒性。深度加权参数确保了远距离深度值对匹配的影响较小，增强了近距离匹配的可靠性，从而优化了特征点的匹配过程。通过这些方法，ORB_D descriptor 可以有效应对动态场景和深度信息不准确的挑战，提高视觉惯性导航系统中的特征匹配质量。
2025-02-27 18:34:57
637
原创 SLAM学习笔记2025.2.26
这些传统方法的局限性主要体现在它们对高速运动的敏感性。在高速运动中，图像变化过快，特征点跟踪容易丢失，导致系统无法精确估计相机的运动。因此，为了在高速场景下实现鲁棒的定位和映射，传统方法需要进行优化或者结合更先进的技术，如深度信息融合、视觉惯性传感器数据融合等。
2025-02-26 21:30:18
581
原创 2025.2.21slam学习笔记
角点的三角分布是一种通过角点在标定板上的分布情况来评估标定精度的间接方法。均匀、广泛分布的角点通常会提高标定结果的可靠性和精度，尤其是在多传感器标定中。通过适当的分布方式，能够有效减少误差传播，确保标定过程的高效和高质量。通过三角剖分和滑动窗口的结合，你能够有效地间接评估标定过程中的外部参数精度，特别是在没有真实参数值可用的情况下。这种方法不仅帮助你验证标定的准确性，还可以提供对角点分布的深入理解，进而指导相机和IMU的联合标定过程。
2025-02-22 22:14:43
899
原创 slam学习笔记2024.11.16
全局路径规划算法可以看作静态规划算法，是在地图环境已知的条件，为无人车规划导航做出决策。例如A*算法进行全局路径规划，在栅格地图已知的条件下， A*算法在获取环境信息时会对周围的每个可达位置进行评估，每次都会选择最优 位置作为下一次搜索的初始位置，直到搜寻到目标点。
2024-11-16 21:30:29
1228
原创 slam学习笔记2024.11.15
粒子滤波（Particle Filter，简称PF）是一种基于蒙特卡洛方法的递推估计算法，主要用于动态系统的状态估计，尤其适用于非线性、非高斯系统的状态估计问题。它的核心思想是通过一组随机样本（粒子）来表示系统的状态分布，并通过重要性采样和重采样等操作，不断地逼近系统状态的真实分布。### 粒子滤波的基本思想粒子滤波的基本思想可以概括为以下几个步骤：1. **初始化粒子集**：首先，给定初始的系统状态分布，通过随机生成一组粒子来表示系统的初始状态。
2024-11-15 22:29:56
820
原创 slam学习笔记2024.11.14
不同进程间通过消息 进行通信，其中消息通信又分为话题通信、动作通信、服务通信，图2-1中的节 点2与节点4、节点2与节点5采用话题通信，节点2与节点3采用服务通信， 节点1与节点2采用动作通信。ROS 中提供了一种分布式框架，通过点对点的设计可以让机器人分布执行 各自的进程，独自管理各自的模块，各个模块又能进行组合，当一个模块受到影 响时，其他模块并不会受到干扰，这样极大的提高了系统的容错能力，并且分布 式架构可扩展行强，当需要更好的硬件时，只需要修改节点信息即可，这样可以 很好的满足开发者的需求。
2024-11-14 17:45:58
738
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人