<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Curryfun的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Curryfun</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Curryfun]]></copyright><item><title><![CDATA[[Ceres]problem中几个重要函数]]></title><link>https://blog.youkuaiyun.com/Curryfun/article/details/106245458</link><guid>https://blog.youkuaiyun.com/Curryfun/article/details/106245458</guid><author>Curryfun</author><pubDate>Wed, 20 May 2020 22:01:17 +0800</pubDate><description><![CDATA[[Ceres]problem中几个重要函数简介函数探究problem::AddParameterBlock(double* values, int size)Problem::AddResidualBlock()Problem::SetParameterBlockConstant(double* values)
简介
这几天在写里程计，需要用到	Ceres，对于Ceres虽然有大致的概念，但对于其实现的部分还是不了解，所以去看了几个函数的源码，之后会继续看下去。感觉看了源码之后用起来才会舒服一些，哈哈哈哈…]]></description><category></category></item><item><title><![CDATA[[Ceres]关于Problem的重要的类]]></title><link>https://blog.youkuaiyun.com/Curryfun/article/details/105894863</link><guid>https://blog.youkuaiyun.com/Curryfun/article/details/105894863</guid><author>Curryfun</author><pubDate>Sat, 02 May 2020 20:28:14 +0800</pubDate><description><![CDATA[[Ceres]关于Problem的重要的类Class ProblemMembers StructMembersImportant Member Functionclass LocalParameterizationClass CostFunctionClass SizedCostFunctionclass AutoDiffCostFunctionClass DynamicAutoDiffCostF...]]></description><category></category></item><item><title><![CDATA[LOAM_Livox小结]]></title><link>https://blog.youkuaiyun.com/Curryfun/article/details/105862714</link><guid>https://blog.youkuaiyun.com/Curryfun/article/details/105862714</guid><author>Curryfun</author><pubDate>Fri, 01 May 2020 15:43:16 +0800</pubDate><description><![CDATA[LOAM_Livox小结简介相关资源传感器论文小结paperⅠpaper Ⅱ源码
简介
LOAM_Livox是港大开源的关于大疆的传感器Livox的mid-40和mid-100所写的建图框架，大致的思路和LOAM差不多，也是基于特征点提取角点和平面点，并通过Ceres优化来进行配准，里面有很多细节和LOAM不一样。
相关资源
源码 https://github.com/hku-mars/loam_...]]></description><category></category></item><item><title><![CDATA[SLAM中的退化问题]]></title><link>https://blog.youkuaiyun.com/Curryfun/article/details/105838695</link><guid>https://blog.youkuaiyun.com/Curryfun/article/details/105838695</guid><author>Curryfun</author><pubDate>Wed, 29 Apr 2020 14:29:12 +0800</pubDate><description><![CDATA[SLAM中的退化问题简介相关论文论文小结Paper ⅠPaper ⅡPaper Ⅲ总结参考
简介
最近在研究定位的退化方向的判断和处理，看了几篇关于SLAM退化问题中的论文，并做个小结。定位的退化主要是因为约束的减少，比如NDT需要三个正交方向的约束才能很好的匹配，但若在狭长的走廊上或者隧道环境，条件单一，即使人肉眼观看激光雷达数据，也很难判断机器人所处的位置。
相关论文
paper 1
On D...]]></description><category></category></item><item><title><![CDATA[[paper] A micro Lie theory for state estimation in robotics]]></title><link>https://blog.youkuaiyun.com/Curryfun/article/details/105726551</link><guid>https://blog.youkuaiyun.com/Curryfun/article/details/105726551</guid><author>Curryfun</author><pubDate>Sun, 26 Apr 2020 15:31:33 +0800</pubDate><description><![CDATA[[paper]  A micro Lie theory for state estimation in robotics简介
简介
论文在arxiv中有
这是Joan Sola在2018年发的文章,比较详细讲机器人状态估计中所用到的李群李代数的理论还有推导.
同时他们还开源了一个李群的C++库 manif,这个库的还没有研究过,和Sophus的区别也没有比较,日后补上…
写下来主要还是记录一下自己...]]></description><category></category></item><item><title><![CDATA[PCL+ VTK+QT ubuntu16.04配置 实现可视化点云]]></title><link>https://blog.youkuaiyun.com/Curryfun/article/details/87991540</link><guid>https://blog.youkuaiyun.com/Curryfun/article/details/87991540</guid><author>Curryfun</author><pubDate>Wed, 27 Feb 2019 21:29:29 +0800</pubDate><description><![CDATA[**
前言
因为项目需要，需要实现QT中实现点云显示，刚开始接触QT，有很多坑要躺，在坑了呆了4天，终于配置好了PCL1.8 + VTK6.3 + QT5.5 + ubuntu16.04！
网上参考的资料挺多，但都差不多，大部分都是基于windows下的开发，linux系统下的资料较少，刚从坑里出来，想记录下来，以免以后再用。
最初参考两篇博文

https://blog.youkuaiyun.com/wok...]]></description><category></category></item></channel></rss>