m0_49384824的博客

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。

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。

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；