awww797877的博客

因为之前一直在ubuntu trusty里面操作，所以这里也采用ubuntu trusty。安装过程看这里：https://wiki.ubuntu.com/ARM/RaspberryPi，或者搜索响应的wiki。注意：在扩展sa卡的过程中一定要小心，严格按照指示的来，否则，反正我重新装了一次。2016.04.04更新：使用树莓派的时候请暂时不要考虑ubuntu了，尤其是trusty，几

方便学习的一些经典网站chrome的书签没有同步，怕丢掉，暂时先把一些自己发现的比较经典的网站记录下来吧。更好地使用mac：http://www.geekpark.net/topics/119627 应用极客指南http://wallpaperswide.com/mac-desktop-wallpapers/page/7 一个不错的壁纸站Linux 专用：https

ORB_SLAM之双目手里有个便宜的双目摄像头，打算用来试试orb_slam，到时候直接架上就可以跑了。先在pc上试试（ubuntu 14.04 LTS）。在正式使用之前记得把ORB_SLAM加到ROS的环境变量中去。export ROS_PACKAGE_PATH=${ROS_PACKAGE_PATH}:PATH_TO_PARENT_OF_ORB_SLAM然后usb摄像头需要

不同于特征描述的方法，直接基于像素的图像追踪速度更快，而且如果选择逐像素匹配的话还能构建致密的三维场景。而且转向时匹配失败的机率也明显低于基于特征的方法。但其最大的缺点是对光照的稳定性依赖太高，然而实际上这很不现实。下面实际走一下这个过程。首先对第一幅图像进行特征检测，根据源码，作者是采用的fast库进行特征检测，具体的检测过程这里先不讨论，总之大概能获得几百个角点（每层金字塔都检测，并且

这一部分相对比较简单，主要用到opencv的cv::FAST()函数。文件：ORBextractor.cc初始化过程除了必要的赋值以外，还主要做了3件事，（1）将总的特征数在不同的金字塔曾进行分配，而分配依据是尺度因子（作者默认为1.2，并不知道为什么是这个），然后层数越高特征数越少。所有层加起来就是指定的特征数。（2）将代码里面的sample复制。（3）计算patch里面的v的最大u，这里变量为u

cartographer之turtlebotcartographer是Google最新开源的SLAM框架，在一般的使用有着不俗的表现。Google出品，必属精品，怀着抱大腿的心态，决定用turtlebot跑一个漂亮的demo。准备：硬件方面，我现在手里有hokuyo laser一枚，turtlebot一个（底座是kobuki），笔记本一台，台式机一台。 软件方面，ROS是必需的，我的是操作系统是u

本文的目的是记录阅读cartographer的整个过程，第一步是确定其整体框架，对于具体的技术细节暂时不会深入了解。这里我专注于输入数据是如何被处理的，跟着数据走，同时借助于doxygen进行分析。入口在node_main.cc，通过入口我们可以看到其调用了SensorBridge类，在sensor_bridge.cc中会看到对数据的处理，这里以LaserScan为例，在HandleLaser

最近我一直是用cartographer建好图后再用AMCL做导航用的定位，但是一直有这样那样的问题。　于是我就萌生了导航算法直接结合cartographer的想法。参考amcl_demo.launch, 我们在cartographer_turtlebot里建立文件turtlebot_urg_lidar_2d_move_base.launch，内容如下：