滴滴哒哒答答-优快云博客

原创基于 GTSAM 的 GINS（gtsam/example/ImuFactorsExample.cpp）

【代码】基于 GTSAM 的 GINS（gtsam/example/ImuFactorsExample.cpp）

2025-03-24 13:27:07 217

原创自动驾驶中的多传感器时间同步

相机由于曝光是瞬时的，其所有像素点的采集时刻是一致的。ROS 提供了message_filters 包来进行时间软同步，message_filters 类似一个消息缓存，分别订阅不同传感器的 Topic，当消息到达消息过滤器时，并不会立即输出，而是在满足一定条件下输出，产生一个同步结果并给到回调函数，在回调函数里处理时间同步后的数据。软件同步通过智能的数据处理技术弥补了硬件同步的不足，提高了传感器数据的同步精度，当然，它也需要额外的计算和实时性要求，需要精心设计和优化算法来实现高效准确的同步。

2025-01-24 23:18:25 2880 2

原创《自动驾驶与机器人中的SLAM技术》ch8：基于预积分和图优化的紧耦合 LIO 系统

和组合导航一样，也可以通过加上来实现。一些现代的 Lidar SLAM 系统也采用了这种方式。相比滤波器方法来说，预积分因子可以更方便地整合到现有的优化框架中，从开发到实现都更为便捷。

2025-01-18 23:04:27 1501

原创《自动驾驶与机器人中的SLAM技术》ch4：基于预积分和图优化的 GINS

这里使用《自动驾驶与机器人中的SLAM技术》ch4：预积分学中提到的散装的形式来实现预积分的顶点部分，所以每个状态被分为位姿（）、速度、陀螺零偏、加计零偏四种顶点（共 15 维）。后三者实际上都是的变量，可以直接使用继承来实现。g2o 部分可参考。1. 相比 ESKF，基于预积分的图优化方案可以累积 IMU 读数。累积多少时间，或者每次迭代优化取多少次，都可以人为选择。而 ESKF 默认只能迭代一次，预测也只依据单个时刻的IMU 数据。

2025-01-18 16:32:50 1331

原创《自动驾驶与机器人中的SLAM技术》ch4：预积分学

在一个 IMU 系统里，我们考虑它的五个变量：旋转 R、平移 p、角速度 ω、线速度 v 与加速度 a。根据第 2 章介绍的运动学，这些变量的运动学关系可以写成如下运动学方程：在到时间内对运动学方程进行欧拉积分得：IMU 测量方程（其中为 IMU 测量的高斯噪声）如下：IMU 测量方程带入积分后的运动学方程（其中为离散化后的 IMU 测量噪声）如下：其中噪声项满足：以上过程与我们在 IMU 测量方程和噪声方程（第 3 章）中已有描述。

2025-01-16 22:27:19 1196

原创《自动驾驶与机器人中的SLAM技术》ch10：自动驾驶车辆的实时定位系统

本章，我们来关注实时的激光雷达定位系统。在点云地图基础之上，我们可以把当前激光扫描数据与地图进行匹配，从而获得车辆自身的位置，再与 IMU 等传感器进行滤波器融合。然而，。因此，点云定位在实际使用时，会遇到一些特有逻辑问题。本章将使用第 9 章构建的点云地图，展示点云定位的使用方法，并演示一个基于 ESKF 的实时定位方案。

2025-01-14 23:06:07 1115

原创《自动驾驶与机器人中的SLAM技术》ch9：自动驾驶车辆的离线地图构建

完整的点云建图可以看成是一个的综合优化问题。大部分 L4 级别的自动驾驶任务都需要一张来进行地图标注、高精定位等任务。

2025-01-14 15:30:52 864 2

原创《自动驾驶与机器人中的SLAM技术》ch8：基于 IESKF 的紧耦合 LIO 系统

紧耦合系统，就是把点云的残差方程直接作为观测方程，写入观测模型中。这种做法相当于在滤波器或者优化算法内置了一个 ICP 或 NDT。因为 ICP 和 NDT 需要迭代来更新它们的最近邻，所以相应的滤波器也应该使用可以迭代的版本，ESKF 对应的可迭代版本的滤波器即为 IESKF。基于 IESKF 的紧耦合 LIO 系统的流程图如下所示： IESKF 的状态变量及运动过程和前文介绍过的 ESKF 的状态变量及运动过程完全相同，包括：① 对名义状态变量的预测 ②对误差状态变量的

2025-01-13 20:19:18 1605

原创《自动驾驶与机器人中的SLAM技术》ch7：基于 ESKF 的松耦合 LIO 系统

处理同步之后的点云和 IMU。初始化完毕后，先使用 IMU 数据进行预测，再用预测数据对点云去畸变，最后对去畸变的点云做配准。前文已经得到了去畸变的点云，这里只需将其传递给增量 NDT 里程计，并使用滤波器预测得到的先验位姿作为增量 NDT 里程计的初始位姿，经过迭代计算后得到优化后的位姿后再返回给滤波器，滤波器进行观测过程。），其存储上一 IMU 时刻 ESKF 的名义状态变量和当前 MeasureGroup 中每一个 IMU 数据预测后的 ESKF 的名义状态变量，用来插值进行点云的去畸变。

2025-01-12 21:50:56 1290

原创《自动驾驶与机器人中的SLAM技术》ch2：基础数学知识

在实际的处理中，由于测量传感器只能测量离散化的值，在精度不高的应用场景中，我们通常会选择忽略后面三项，只保留最简单的转换关系。注意：能被各种传感器（车速传感器，轮速计）测量到的速度是车体系速度，进行线性化得到的雅可比矩阵，即运动方程对状态。进行线性化得到的雅可比矩阵，即观测方程对状态。，后续噪声的符号会变化，但表示的意义不变。其中 t 为平移向量。为观测方程在当前时刻预测状态。为运动方程在上一时刻状态。或者没有括号，表示省略。

2025-01-09 20:17:58 670 1

原创《自动驾驶与机器人中的SLAM技术》ch1：自动驾驶

高精地图本质上是结构化的矢量数据。常见的高精地图标准包括 OpenDrive，LaneLet2，Apollo OpenDrive 等。计算机上的高精地图通常由一些专用的绘制软件生成（例如 Arcgis，Autoware map tool等)。L2 在技术实现上会更倾向于实时感知，乃至可以使用感知结果直接构建。（bird eye view, BEV），而 L4 则依赖。

2025-01-08 22:19:58 447

原创源码安装 CloudCompare

就可以将新版本的 cmake 的路径放在 PATH 的最前面，确保系统优先使用新版本的 cmake。如果想切换回旧版本的 cmake，重新打开一个未执行如下命令的新终端就可以了。中列出的顺序搜索目录，直到找到该命令的可执行文件。如果在某个目录中找到了匹配的文件，系统就会执行它，之后的目录将不会被查找。包含了一个由多个目录组成的路径列表，用于在 shell 中行执行命令时查找命令的可执行文件。环境变量搜索命令，查找系统路径中的命令，显示系统路径中第一次出现该命令的完整路径。：查找命令的可执行文件路径。

2024-11-29 13:16:44 679

原创 Ubuntu 硬盘分区并挂载

在 Ubuntu（或其他 Linux 系统）中，

2024-11-27 14:13:56 5099 2

原创 ROS时间同步----使用message_filters进行时间软同步

该类型同步器用于通过消息头 header 中的时间戳同步多个通道的消息，并将同步后的消息以单个回调的形式输出。C++ 实现最多可以同步 9 个通道的消息。当 topic_1 和 topic_2 的频率均为 1hz 时，同步结果如下。由于定时器回调函数中发布在 topic_1 和 topic_2 中的消息的时间戳存在微小的时间偏差，导致没有完全相同的时间戳，所以不会进入同步器的回调函数中。

2024-11-26 14:47:14 2019

原创使用YOLOV5(v7.0)训练自己的目标检测模型

执行完上述操作后，在 yolov5 文件夹下打开终端，输入以下命令。多了 __pycache__ 、 runs 和 yolov5s.pt 三个文件。这些字节码文件使得后续运行相同脚本时，加载速度更快，因为 Python 不需要重新编译源代码。__pycache__ 文件夹：当 Python 脚本首次运行时，解释器会将。检测结果会保存在 /yolov5/runs/detect/exp/ 文件夹下。环境要求：Python>=3.8.0 , PyTorch>=1.8.源代码文件编译成字节码文件（

2024-11-19 19:26:11 1112

原创安装 Anaconda 后 pip list 定位混乱解决方法

安装Anaconda后，在原环境、base环境和新创建的虚拟环境下使用 pip list 命令时发送混乱，比如在 yolov5_env 虚拟环境下使用 pip list ，会列很多未在该虚拟环境下安装的包。

2024-11-19 12:43:40 883

原创 ubutnu20.04配置深度学习环境

本机上 cuda 和 cudnn 的安装： Ubuntu20.04部署YOLOv5anaconda 安装： Ubuntu 20.04安装Anaconda3及简单使用【Conda】常用命令合集PyTorch 安装（安装在虚拟环境中）： GPU版本的pytorch安装（显卡为3060ti，如何选择对应的cuda版本） Ubuntu搭建深度学习开发环境(Pytorch Tensorflow GPU版本)【Conda】常用命令合集

2024-11-18 17:35:52 179

原创 YOLO v1目标检测

① 图像分类 ② 目标检测 ③ 语义分割 ④ 实例分割。

2024-11-18 12:46:25 1155

原创 move_base

move_base 支持自己编写自定义全局规划器，提供了一种 Plugin 插件接口，只要按照特定的格式，就能把自己的路径规划算法编写成新的规划器，加载到 move_base 节点中使用。

2024-11-07 22:19:31 966

原创 ROS中Twist和AckermannDriveStamped消息类型的相互转换

已知 geometry_msgs/Twist 消息中的。至此，四轮阿克曼模型的四轮速度。根据上图，定义车辆绕旋转中心。带入得四个轮的速度。四轮阿克曼模型如下，，可求得虚拟的中间轮胎的。

2024-11-06 16:29:09 776

原创《自动驾驶与机器人中的SLAM技术》ch3：惯性导航与组合导航

典型的六轴IMU由陀螺仪（gyroscope）和加速度计（accelerometer）组成。

2024-10-16 22:59:22 1889 2

原创多传感器融合SLAM------松耦合与紧耦合

中，LIDAR 和 IMU 的观测量通常被独立处理。即分别处理来自 LiDAR 和 IMU 的观测数据，然后在高层次 Pose（Position + Orientation）上进行融合。松耦合通常的思路是首先处理 IMU 的观测数据得到高频的位姿（Pose）信息，将高频的位姿信息用于 LiDAR 观测数据的去畸变，然后有两种处理方式。松耦合相关的研究成果有 LOAM (with IMU)，LeGO-LOAM等；

2024-10-15 20:27:01 1762

原创 SLAM中的加权最小二乘法

首先，协方差是衡量两个随机变量之间关系的统计量。对于两个变量和如果，意味着 X 和 Y 趋向于同时增大或减小（正相关）。如果，意味着 X 增大时 Y 倾向于减小（负相关）。如果，则 X 和 Y 之间没有线性相关性。的绝对值越大，表示两个变量的同向（正相关）或反向（负相关）关系越强。它通过对误差方差和相关性的分析，决定每个观测值对最终结果的影响力。协方差矩阵之逆越大的元素，对应的观测值权重越大，意味着该观测值更“可信”或重要。

2024-10-14 19:34:21 1096

原创 SLAM相关开源项目编译过程中遇到的问题（持续更新）

编译GitHub上的A-LOAM开源项目出现error: ‘CV_LOAD_IMAGE_GRAYSCALE’ was not declared in this scope。原因：opencv 版本的问题，A-LOAM 使用的 opencv 版本过低。如果安装的是高版本的 opencv，可通过以下方式解决。编译A-LOAM时出现 error: ‘LocalParameterization’ is not a member of ‘ceres。版本的问题，A-LOAM 使用的 ceres 版本过低。

2024-10-12 16:00:27 477

原创 ubuntu双系统分区划分

EFI系统分区：这是从Windows8开始，BIOS所采用的UEFI模式下所使用到的分区，简单来说就是用于储存已安装系统的EFI引导程序，这个分区在资源管理器中无法查看，因为它是没有驱动器号的，但这个分区必须存在，否则系统将无法启动！所以该分区不能删除(除非是老型电脑，采用的是Legacy的引导方式)！

2024-10-09 21:25:38 1821

原创 ubuntu下实时查看CPU，内存（Mem）和GPU的利用率

在启用 MIG 的情况下，一张 GPU 可以分割为多个逻辑 GPU，每个逻辑 GPU 分配固定的计算和显存资源。例如，只有支持 MIG 的 NVIDIA GPU（如 A100 或 H100）才会显示 MIG 相关的信息，而其他不支持的 GPU 显示。：这是 NVIDIA 提供的一个命令，用于显示 GPU 的实时信息，包括显卡的温度、功耗、显存使用率、GPU 负载等。：在这个模式下，只有一个进程能够使用 GPU 的计算资源，但该进程可以有多个线程。：默认计算模式，多个进程可以同时访问 GPU 的计算资源。

2024-10-09 15:28:42 10661 1

空空如也

空空如也