liaolizhou的博客

NDT-Scan Alignment-Algorithm作者QQ：845421543。NDT是scan-match中经典的方法之一。NDT算法相对于ICP算法速度更快，稳健性更强。原文地址：The Normal Distributions Transform: A New Approach to Laser Scan Matching输入：两帧点云数据 S1,S2S_1,S_2S1​,S2​输出：位姿变换参数 R,tR,tR,t对 S1S_1S1​ 计算正太分布变换(NDT)；初始化需要估

源代码地址本文作者联系方式：lizhouliao@cqu.edu.cn本文只对源代码中最主要的一个m文件RaoBlackPF.m进行解读，这个m文件是论文《Improved Techniques for Grid Mapping with Rao-Blackwellized Particle Filters》方法的实现。虽然代码并非论文作者所写，而且存在一些小问题，但是并不影响通过阅读此源码来读懂RBPF方法本文暂时没有对GridMapping函数进行分析，后续会出……function PF =

首先需要知道是否已经发布了坐标，以及需要提取哪两个坐标系的变换创建一个pkgcd catkin_wscd srccatkin_creat_pkg tf_listener_odom_and_laser roscpp rospy tf geometry_msgs对/odom以及/laser的坐标变换进行查找和发布(创建文件名为listener_laser_odom.cpp)/** * 该例程监听tf数据，并发布到一个topic上 */#include <ros/ro..

1.将/scan数据转化为PointCloud数据背景：之前录制了一个.bag文件，里面有个/scan topic，保存的是单线激光雷达扫描一圈获得的距离数据，为了方便对数据进行处理，需要将其转成PointCloud2。这里采用的方法是创建一个ros节点，订阅/scan，将其转化为pointcloud2，再对外发布/laserPointCloud说明：此方法为之前在网上所看，但是忘记了链接，如果是原创作者请联系我（lizhouliao@cqu.edu.cn）步骤：一、创建功能包创建一个新的终端c

初学2D SLAM从无到有1.将/scan数据转化为PointCloud数据2.将/odom数据在Matlab图像显示3.将两个坐标系的坐标变换发布到新的topic进行并进行保存4.采用/odom与/pointcloud以及它们之间的坐标变换进行粗建图5.对每一帧数据进行线段特征提取1.将/scan数据转化为PointCloud数据2.将/odom数据在Matlab图像显示3.将两个坐标系的坐标变换发布到新的topic进行并进行保存4.采用/odom与/pointcloud以及它们之间的坐标变换进行