<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[brucezhcw的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/brucezhcw</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; brucezhcw]]></copyright><item><title><![CDATA[GNSS-Explorer]]></title><link>https://blog.youkuaiyun.com/brucezhcw/article/details/151585535</link><guid>https://blog.youkuaiyun.com/brucezhcw/article/details/151585535</guid><author>brucezhcw</author><pubDate>Thu, 11 Sep 2025 18:20:45 +0800</pubDate><description><![CDATA[相对观测多普勒数据精度较高（多普勒速度误差典型值10cm/s），结合卡尔曼滤波算法，可以保证定位轨迹局部的连续性， 绝对观测伪距精度较低，但可以保证全局无偏，二者融合效果非常棒。本项目代码以RTKLIB为基础，用EKF扩展卡尔曼滤波算法实现了低精度绝对观测伪距 + 高精度相对观测多普勒数据的融合。目前代码维护两个分支对应两个平台：linux + Visual Studio。]]></description><category></category></item><item><title><![CDATA[经典字符串匹配算法——KMP]]></title><link>https://blog.youkuaiyun.com/brucezhcw/article/details/108476799</link><guid>https://blog.youkuaiyun.com/brucezhcw/article/details/108476799</guid><author>brucezhcw</author><pubDate>Tue, 22 Jul 2025 00:41:00 +0800</pubDate><description><![CDATA[这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入
欢迎使用Markdown编辑器
你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar]]></description><category></category></item><item><title><![CDATA[VINS-Explorer 优化点测试记录]]></title><link>https://blog.youkuaiyun.com/brucezhcw/article/details/149518781</link><guid>https://blog.youkuaiyun.com/brucezhcw/article/details/149518781</guid><author>brucezhcw</author><pubDate>Mon, 21 Jul 2025 23:25:46 +0800</pubDate><description><![CDATA[因为在已知相机的运动状态后，静态特征在对应帧相机坐标系下的位置即已知，而动态特征必然与此位置不一致，结果必然导致动态特征的重投影误差较大，动态越高，误差越大，也就越容易剔除。视觉惯性前端由于具有先验的IMU惯性位姿预估信息，据此实现的三视图几何校验功能，可以很好的剔除动态特征，比如测试案例中大面积的低动态特征：云端特征点。纯视觉前端，依赖RANSAC剔除外点，是一种跟随大多数特征点的方法。当场景中大面积出现此类动态特征，基本会跟着动态特征走了，视觉惯性前端则不会。]]></description><category></category></item><item><title><![CDATA[一种新颖的动态自适应长度的滑动窗口算法]]></title><link>https://blog.youkuaiyun.com/brucezhcw/article/details/148882715</link><guid>https://blog.youkuaiyun.com/brucezhcw/article/details/148882715</guid><author>brucezhcw</author><pubDate>Wed, 25 Jun 2025 00:57:05 +0800</pubDate><description><![CDATA[我们可以维护一个很长的窗口，然后BA优化时固定窗口内的较老的关键帧位姿，不让太多帧参与优化，但是可以让较老帧与最新帧、次新帧等建立视觉约束。几乎所有的VIO算法都会设定一个固定大小的窗口来降低整个优化问题的复杂度，并能保持一定的精度。比如长直走廊中，那么就相当于一直在用位姿固定的第一帧图像和最新帧建立视觉约束关系，在整个过程中几乎不存在累计误差，并且算力消耗可控。在VIO问题中，如果不考虑算力消耗，那么视觉滑动窗口长度无限大无疑是精度最高的方案。实际上，滑窗的大小是可以动态的适应环境的。]]></description><category></category></item><item><title><![CDATA[VINS-Explorer]]></title><link>https://blog.youkuaiyun.com/brucezhcw/article/details/142907209</link><guid>https://blog.youkuaiyun.com/brucezhcw/article/details/142907209</guid><author>brucezhcw</author><pubDate>Mon, 14 Oct 2024 00:51:54 +0800</pubDate><description><![CDATA[A Super Tightly Coupled Visual-Inertial State Estimator]]></description><category></category></item></channel></rss>