LVI-SAM
关注
分享
扫一扫
文章平均质量分 53
JaydenQ
移动机器人定位与环境建模，服务认知与搜索，环境理解与场景认知。
展开
-
LVI-SAM学习笔记3：clear()和shrink_to_fit()函数
void freeCloudInfoMemory() { cloudInfo.startRingIndex.clear(); cloudInfo.startRingIndex.shrink_to_fit(); // 从原来最大容量减少到现在所需要的容量（释放数组的容量） cloudInfo.endRingIndex.clear(); cloudInfo.endRingIndex.shrink_to_fit(); ...原创 2022-05-06 15:30:03 · 696 阅读 · 1 评论 -
LVI-SAM学习笔记2：相机模型
本文参考知乎Alvin一路向东的《由粗到精学习LVI-SAM》专栏图片截图自参考链接：Alvin一路向东1. 针孔相机模型u和v是观测值，z始终为1，我们可以认为这是由于单目相机丢失了路标点P的深度信息，通过像素坐标和相机内参，我们只能还原回P在归一化平面上的投影坐标[X/Z,Y/Z,1]。2.畸变模型路标点从世界坐标系到像素坐标系转化的过程：点从世界坐标系→相机坐标系→归一化平面对归一化平面上的点计算径向畸变和切向畸变：畸变后的点投影到像素平面，得到像素坐标：...原创 2022-05-05 16:34:05 · 368 阅读 · 0 评论 -
LVI-SAM学习笔记1：激光雷达点云去畸变原理
本文参考知乎Alvin一路向东的《由粗到精学习LVI-SAM》专栏1.为什么会产生畸变与相机不同，相机的曝光时间都很短，每一帧之间的时间间隔很短，而且上一帧最后一个像素与当前帧第一个像素也没有连续关系，通常不考虑运动畸变。而激光雷达不同，激光雷达形成一帧点云，至少需要激光从一侧扫描到另一侧若干遍，而且激光雷达每一帧形成的时间都比较长，因此此过程中位姿变化也比较大，导致出现的点云与真实世界中差别很大，所以需要点云去畸变。2.点云去畸变原理上一帧点云的最后一个点就是当前帧点云的第一个点，这是点云去畸变的原创 2022-05-05 15:57:14 · 2233 阅读 · 0 评论 -
【LVI-SAM论文全文翻译】： LVI-SAM: Tightly-coupled Lidar-Visual-Inertial Odometry via Smoothing and Mapping
文章目录写在前面摘要一、引言二、完整的激光视觉惯导SLAM系统A.系统概述B. 视觉惯导系统C.雷达惯导系统三、实验A.消融研究B. Jackal DatasetC. Handheld Dataset四、总结写在前面本文参考：惊鸿一博作者简介：LVI-SAM是Tixiao Shan的最新力作，Tixiao Shan是Lego-loam(基于激光雷达里程计的SLAM框架)和Lio-sam(基于惯性-雷达紧耦合的SLAM框架)的作者，LVI-SAM是Tixiao Shan最新开源的基于视觉-激光-惯导原创 2021-08-26 19:23:52 · 13571 阅读 · 0 评论