afucc111的博客

根据前面的实验也说明两个节点加between并不会报错,但会因为两个between因子给的观测值以及约束程度不同,而导致最终的优化结果出现偏差.并且如果使用相同的噪声数据的话,最后的优化结果就会是平均一下的结果.

VINS是视觉与IMU融合SLAM的代表，其实现了一个较为完整的SLAM工作，开源地址为：GitHub - HKUST-Aerial-Robotics/VINS-Mono: A Robust and Versatile Monocular Visual-Inertial State Estimator优点：缺点：

（深度优先遍历）递归进行查找，从[0,0]点开始，遍历它前、后、左、右的4个点，分别进行对比，如果相。其实就是同时考虑了深度以及偏移，深度偏差较大，偏移较小的两个点则认为不是同一类。其相比于最为经典的LOAM，实现了。（实际上大于5个可能也行）。的激光雷达slam工作。

先码一下，有空做总结笔记。

1.构建最小二乘问题一些基础用法直接按官网例子写就完了。

协方差：衡量两个随机变量变化的相互依赖程度及方向。其表示两个变量的观测值对均值的偏离构成的向量的内积。当变量多于两个时，变量两两之间的协方差组成的矩阵就是协方差矩阵，又称共变异数矩阵。协方差矩阵有什么意义？- 知乎。......

Fast角点提取规则：（FAST角点定义：某个点与邻域的点相差太大。）灰度图像中就是与的点即为Fast角点提取规则。八叉树结构：一种树状数据结构，主要用于空间划分和最近邻搜索。方便快速搜索寻找。........................

直接上公式：其中为两张图片中匹配好的特征点对的像素齐次坐标。可以看出单应矩阵直接描述了图像1与图像2之间的关系。然而由于其直接使用了二维的像素信息，并未恢复其尺度信息。（单应矩阵的分解过程中也是假设了所测三维点均在同一平面）所以在使用时要求对应的三维点要在同一个平面。所以在orb-slam初始化时视差较小的情况下检测到的同一平面上的特征点较多时，使用H矩阵分解得到R与t（第一幅图与第二幅图成像平面之间的旋转与平移关系），具体流程见另一博主的帖子：单应矩阵的分解 - 知乎 这两个比较好理解，看一下公式（截取自

[ERROR] [1648553254.462476156]: mmWaveQuickConfig: Command failed (mmWave sensor did not respond with 'Done')[ERROR] [1648553254.462511683]: mmWaveQuickConfig: Response: 'calibData 0 0 0'calibData' is not recognized as a CLI command解决办法：1、断电重开2...

ROS中编译ORB-SLAM3出错及解决方案