- 博客(35)
- 收藏
- 关注
RSS订阅原创 【ORB-SLAM3】鲁棒核函数的阈值设置
在构建视觉重投影误差的背景下，我们假设当重投影误差超过某个阈值时，有95%的置信度认为是由于错误匹配导致的离群点，从而以线性的方式添加到代价函数中；通过这样的方式，限制了错误匹配对优化算法的影响。
2025-02-22 23:01:30
855
原创 高斯牛顿法(GN)与列文伯格-马夸尔特方法在ORB-SLAM3中的应用
OR-SLAM3在前端跟踪中使用了GN方法而在后端局部建图中使用了LM方法，主要是考虑计算效率与精度的平衡跟踪线程主要负责实时的位姿跟踪，要求快速响应，实时性是首要考虑因素，选择计算效率更高的高斯-牛顿法。局部建图线程则负责对局部地图进行精细优化，允许较长的计算时间，选择 Levenberg-Marquardt 方法能够提供更高的优化精度和更强的鲁棒性。通过在不同的阶段选择不同的优化方法，ORB-SLAM3方法能够在保证实时性能的同时，提高整体系统的精度和稳定性。
2025-02-21 17:46:56
643
原创 【经典文献】光-声立体成像：关于系统标定与三维目标重建
利用声学摄像机进行测距是光声立体成像恢复水下目标三维形状的关键优势，其中光学和声学图像对应的相关外极几何可以用圆锥曲线来描述。在本文中，我们提出了通过噪声图像测量的最大似然估计进行系统校准和三维场景重建的方法。递归三维重建方法利用一个闭式解作为初始条件，该闭式解综合了另外两个闭式解（即测距解和方位角解）的优点。通过合成数据测试，可以深入了解新目标成像和三维重建范例的优点，而真实数据实验则证实了计算机模拟的结果，并证明了这种新型三维重建范例的优点。关键词：传感器融合、立体视觉、三维重建、水下声呐成像。
2024-05-26 17:58:54
733
原创 【经典文献】水下光学和声学成像：融合的时代？最新技术概述
水下光学成像存在物理介质固有的一些缺点，如光衰减和浑浊。声纳虽然通常分辨率较低，但可以避免这些问题。在水下应用中结合使用视觉和声纳数据的做法还不普遍，但研究人员对这一课题的兴趣与日俱增。不过，随着最近更高分辨率声纳系统的出现，结合/融合两种感知模式信息的方法可以改善水下成像，这对于自主导航、地图绘制和物体识别等应用具有特殊的意义。在本文中，我们将对这些系统的技术现状进行研究，并介绍文献中最相关的方法。本文简要概述了光学-声学系统的最新发展。这些系统的出现是为了避免每种传感模式固有的问题。
2024-05-15 20:55:12
1839
原创 【经典文献】光声立体成像的对极几何
光学和声呐相机是检查水下设备的合适成像系统，既可用于定期维护，也可用于安全操作。尽管光学系统具有高分辨率，但是部署在浑浊水域时，其可视范围受限。相比之下，新一代高频（MHz）前扫声呐相机虽然在射程上比传统的低频或中频（10s-100s KHz）声呐系统缩短了一到两个数量级，但却能在高度浑浊的水域中提供更清晰的目标图像。可以想象，一种有效的检测策略是在潜水平台上同时部署光学和声呐相机，以便在各种浑浊度条件在对目标进行成像。
2024-05-13 23:20:40
1044
原创 WSL2下的Docker配置和使用
在Windows的Linux子系统（Windows Subsystem for Linux）WSL2中安装、配置和使用 Docker，可以参考官方教程：.
2023-10-10 16:19:45
1530
原创 RAL期刊投稿信息【来自官网】
在收到作者提交的论文最终版本后，如果符合所有格式和风格要求，PDF 文件将作为快速发表的预印本出现在 Xplore 上。在《快速发表预印本》出版后不久，IEEE 将准备一个经过适度编辑和 XML 标记的版本，作为校样提交给作者，并最终取代预印本出版。RA-L 的范围是发表同行评审文章，及时、简明地介绍创新研究理念和应用成果，报道机器人和自动化领域的重要理论发现和应用案例研究。其他补充材料，如附录，不能超过允许的 8 页。RA-L 将发表汇报创新观点和成果的稿件，这些观点和成果需要以简明扼要的形式快速发表。
2023-10-08 18:51:14
2472
原创 【读博感悟】关于读博期间科研训练的想法
最近看到一个问题：“国内追求发文章的博士教育是舍本逐末吗”，分享一些关于读博的看法。博士生涯对思维的训练远远胜过选择了一个什么样的课题。博士论文对人类的知识贡献虽小但却意义重大。获得博士学位就如同学会如何射击，一旦你知道如何射击，你就可以一直射击，直到你击中它为止。因此在获得博士学位时不一定要产生巨大的影响力，那就如同第一次开枪就能击中靶心一样困难，学术影响力应该是毕生研究的奋斗目标。每种培养模式的形成都有其历史和环境因素，是不是舍本逐末不好评价，但我想从自身角度谈一下关于读博的看法。
2023-10-03 16:13:57
288
原创 【SLAM数学基础】李群与李代数 & BCH近似公式
本文主要介绍了李群李代数的指数映射与对数映射，并给出了描述李代数加法与李群乘法之间关系的BCH线性近似公式。本文可以为SLAM行业的相关人员在进行理论推导和工程实践的过程中提供参考。
2023-10-03 14:44:36
1716
1
原创 【最优化理论】线性规划标准模型的基本概念与性质
根据过往的经验，线性规划问题的最优目标值一般在可行域的顶点处取得，本文对此问题进行更深入的探讨，维度也从二维推广至高维。主要分析可行域的凸集性质、顶点的性质、顶点处有最优解、顶点的数学描述及充要条件等内容。
2023-10-01 14:28:11
2068
原创 【最优化理论】人工智能与最优化理论的联系
最优化理论的主要分支有两类，包括针对一般问题的数学规划模型以及针对特定问题的数学规划模型，其各自涵盖的范围如下：一般问题的数学规划模型：特定问题的数学模型：例如优化问题为 maxf(x)\max f(x)maxf(x)，其函数图像如下：优化的基本方法是：从 a, b 之间的任一点出发，朝着能改进目标函数的方向搜索前进：Xk+1=Xk+λkDkX_{k+1} = X_k+\lambda_kD_kXk+1=Xk+λkDk，直到不能改进目标函数。这种方法最终一定能够收敛到一个局部最优解，但不能保证全局最
2023-09-28 12:10:30
1116
原创 【线性代数】齐次与非齐次线性方程组有解的条件
分析了齐次线性方程组有非零解、只有零解的充要条件，以及非齐次线性方程组有解、唯一解、无穷多解的充要条件。
2023-09-27 11:28:59
9498
原创 [论文写作] 如何查询会议和期刊论文的名称缩写
在论文写作中，文章最后的参考文献往往对格式要求比较高，有时会需要会议和期刊的名称缩写，那么如何快速、准确、高效找到想要的会议或期刊缩写呢？本文教你快速、准确查找期刊和会议的缩写。
2023-08-22 14:32:06
2346
2
原创 Ubuntu系统下切换Eigen库的不同版本
Eigen3是常用的开源线性代数库，主要用于矩阵运算，SLAM领域常用到的优化工具g2o、Ceres等都依赖Eigen3。Eigen3是一个更新非常快的第三方库，因此在进行开源代码测试时会遇到Eigen版本不匹配的问题，这种情况下就需要进行Eigen3的版本修改或替换，本文就介绍在Ubuntu系统下如何切换Eigen库的不同版本。
2023-08-02 13:21:53
810
原创 VSCode调试C++代码的多种方案
本文是对Linux系统中使用VSCode编译调试C++代码的系列文章的总结，给出了调试C++代码的本质逻辑和多种方案
2023-03-09 23:29:25
6560
原创 Linux环境使用VSCode调试简单C++代码
本文将通过演示一个简单C++代码的编译调试过程，介绍在VSCode中如何使用Linux环境下的g++编译器和gdb调试器。
2023-03-09 20:30:35
9744
7
原创 解决在VScode中调试C++代码断点无效、断点错位的问题
最近在学习高翔博士的经典教程《视觉SLAM十四讲（第2版）》，使用其配套的C++代码进行学习，在调试时发现断点无效、错位的问题，查阅了一些资料，成功解决
2022-07-21 10:40:58
12142
6
原创 解决 qt.qpa.xcb: could not connect to display 问题
问题背景系统：微软子系统WSL中的Ubuntu20.04安装了Ros系统，为了在WSL上运行图形化程序，安装了Xserver，在测试ROS时发生了报错主要是参考这篇文章问题描述在参考前面那篇文章运行rosrun turtlesim turtlesim_node命令时，出现错误：qt.qpa.xcb: could not connect to display qt.qpa.plugin: Could not load the Qt platform plugin "xcb" in "" even
2022-04-17 22:45:06
37419
9
原创 解决Ubuntu20.04安装ROS过程镜像源问题
解决Ubuntu20.04安装ROS过程镜像源问题问题背景问题描述解决方案参考链接问题背景我是先安装了 Windows10 子系统 WSLwsl --install并安装Ubuntu20.04wsl --install -d Ubuntu20.04在此基础上安装ROS，参考详细介绍如何在ubuntu20.04中安装ROS系统问题描述在安装ROS的这一步sudo apt-get install ros-noetic-desktop-full出现了报错：“Unable to fetch
2022-04-17 11:20:00
1687
3
原创 【机器学习】西瓜书笔记（二）-线性模型
本文主要记录《机器学习》第三章-线性模型的部分内容。线性模型基本形式线性模型的向量形式：f(x)=wTx+bf(\bm x) = \bm w^T \bm x + bf(x)=wTx+b线性模型形式简单、建模也容易，权重向量w\bm ww直观表达了输入样本x\bm xx各个特征维度在预测中的重要性，从而具有很好的可解释性（comprehensibility），这是线性模型的优点。另外，线性模型蕴涵机器学习的一些重要思想，许多功能更为强大的非线性模型（nolinear model）是在线性模型的基础上
2021-11-22 22:07:15
1284
原创 【机器学习】西瓜书学习笔记（一）
最近开始机器学习经典教材-西瓜书的学习，为了督促自己，同时为了方便以后查看，记录一下。什么是机器学习通过计算的手段，利用经验来改善系统性能。机器学习所研究的内容，是如何在计算机上从数据中产生模型的算法，即“学习算法”。标题aaaaaaaaaaaaa...
2021-11-15 20:01:44
1048
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