SLAM学习笔记

已于 2024-08-30 11:56:28 修改
阅读量428 收藏 1
点赞数 2
分类专栏： SLAM 文章标签： 学习 笔记
于 2024-08-23 18:23:32 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_35674954/article/details/141460575
版权

从《slam十四讲开始》

slam十四讲推荐的其他书籍
《概率机器人》（Probabilistic robotics ）
《计算机视觉中的多视图几何》（Multiple View Geometry in Computer Vision ）
《机器人学中的状态估计》（State Estimation for Robotics:A Matrix-Lie-Group Approach ）
视觉slam
1.传感器信息读取
2.视觉里程计
3.后端优化
4.回环检测
5.建图
三大类相机
单目相机/双目相机/深度相机
后端优化和回环检测
在这里插入图片描述
slam问题的本质：对运动体本身和周围环境的状态估计

运动方程

在这里插入图片描述

观测方程

在这里插入图片描述

SLAM学习笔记总结
实践出真理，接毕设/课设项目开发指导
01-04 1045
随着路径的不断延伸，机器人在建图过程中会存在一些累计误差，除了利用局部优化、全局优化等来调整之外，还可以利用回环检测来优化位姿。什么是回环检测？回环检测，又称闭环检测，是指机器人识别曾到达某场景，使得地图闭环的能力。说的简单点，就是机器人在左转一下，右转一下建图的时候能意识到某个地方是“我”曾经来过的，然后把此刻生成的地图与刚刚生成的地图做匹配。回环检测成功回环检测之所以能成为一个难点，是因为：如果回环检测成功，可以显著地减小累积误差，帮助机器人更精准、快速的进行避障导航工作。
SLAM学习笔记1：SLAM概述
qq_71734878的博客
11-12 2500
（虽然这门课和“仿生机械学”互为二选一关系，但我把它俩都选了）实际上对于我们机械和车辆专业的学生来说，SLAM是研究生阶段才会去研究的内容，32个学时只能说是浅尝辄止。要想恢复三维结构，必须改变相机的视角。我们都知道，近处的物体移动快，远处的物体移动慢，极远处的物体看上去是不动的。后端优化要考虑的问题是如何从这些带有噪声的数据中估计整个系统的状态，以及这个状态估计的不确定性有多大（最大后验概率估计）。双目相机测量到的深度与基线（两个相机间的距离，类似于人的瞳距）有关，基线距离越大，能测量到的物体就越远。
slam学习笔记
Hebackhome的博客
03-06 188
高翔视觉slam十四讲学习笔记
SLAM学习笔记2025.2.26
2301_76866200的博客
02-26 686
这些传统方法的局限性主要体现在它们对高速运动的敏感性。在高速运动中，图像变化过快，特征点跟踪容易丢失，导致系统无法精确估计相机的运动。因此，为了在高速场景下实现鲁棒的定位和映射，传统方法需要进行优化或者结合更先进的技术，如深度信息融合、视觉惯性传感器数据融合等。
激光雷达SLAM学习笔记
qq_59860384的博客
05-05 880
学习多传感器融合，这篇文章以初学者的视角简介了SLAM和激光雷达，并着重学习LOAM论文。
SLAM学习笔记001
k1419197516的博客
12-14 478
当向机器人下达移动到地点B的命令后，机器人不免会问三个颇具哲学性的问题，即“我在哪儿”“我将到何处去”“我该如何去”。
SLAM学习笔记1
weixin_49239046的博客
02-08 256
slam学习记录
SLAM学习笔记9：OpenCV模块1
qq_71734878的博客
11-19 499
数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。图像处理技术一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。它提供了大量的开源图像算法，是计算机视觉中使用极广的图像处理算法库。计算机视觉是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。图像处理的旨在处理原始图像以应用某种变换，其目标通常是改进图像或将其作为某项特定任务的输入。
SLAM学习笔记 | slambook2
陈念Cheniana
02-17 1880
高翔slambook2学习笔记
SLAM学习笔记-超有用
05-02
SLAM学习笔记详细知识点解析： SLAM（Simultaneous Localization And Mapping，同时定位与地图构建）是机器人导航和自主移动领域的一个核心技术，它涉及机器人在未知环境中导航所必须解决的三大问题：定位（Where ...
Python Day44 学习（日志Day12复习）
Y317429的博客
06-07 289
注：这里AI给出的“适用场景”存在问题。关于性别，为二分类问题，不需要使用独热编码。三分类以上才涉及独热编码。出现问题：忘记之前已对数据进行了独热编码，导致映射出来的值为空值。对信贷数据重新进行标签编码（回写昨日复习的代码）对信贷数据重新进行标签编码（回写昨日复习的代码）补充：对数据进行“归一化”和“标准化”的作用。补充：“独热编码”与“标签编码”的选择。
Linux驱动学习day2
weixin_71568456的博客
06-06 326
app与驱动之间，通过下面两个函数交互数据驱动和硬件之间交互。
go语言学习 第4章：流程控制
2301_80152021的博客
06-04 804
本章介绍了Go语言的流程控制语句，主要包括条件语句和循环语句。条件语句部分详细讲解了if语句（单分支、双分支、多分支）和switch语句的基本用法以及特殊特性（如fallthrough）。循环语句部分则重点阐述了for循环的基本结构、无限循环和灵活用法，以及for-range循环在数组、切片、字符串和映射中的应用。此外还介绍了循环控制语句break和continue的使用方法。这些流程控制语句是构建程序逻辑的基础，掌握它们对编写高效的Go代码至关重要。
学习STC51单片机28（芯片为STC89C52RCRC）
你的潜力远比你想象的更大，别给自己设限。
06-05 1058
摘要：本文详解DHT11温湿度传感器的使用流程。首先通过检测模块响应信号验证连接有效性，利用60us时间点检测低电平触发LED指示。重点介绍"卡点法"读取数据：通过while循环检测DHT信号电平自动跳变，避免不稳定的延时操作。数据读取时采用位操作（左移和或运算）将40位数据存入5字节数组，每8位构成一个有效数据。最后在main函数中循环调用实现数据持续刷新。该方法通过精准时序控制确保数据可靠获取，为传感器开发提供稳定解决方案。
Django 5 学习笔记总纲
keny-大成的博客
06-09 366
使用 JavaScript Fetch API 和 Django 添加异步 HTTP 请求。使用 django-taggit 为帖子添加标签，并根据共享标签推荐类似的帖子。使用 JavaScript 和 Django 构建 JavaScript 书签。使用 django-debug-toolbar 获取相关的调试信息。使用表单允许读者通过电子邮件共享帖子，并使用模型表单实施评论系统。django-embed-video 使用缓存框架缓存内容。使用 django-redisboard 监控 Redis。
苍穹外卖|学习笔记|day07
qq_56744064的博客
06-09 346
博主个人背景：双非本211硕 研一下。深知自身水平较差 算法无戏，自学java的求生之路计划每日学习，完成苍穹外卖的学习。借此博客写明学习遇到的问题以及解决方案，同大家一起交流学习。公共字段：在我们的业务表当中有创建人/时间、修改人/时间，我们经常会对这四个公共字段来进行赋值修改，这样就会存在很多重复性的代码。【如图所示：前面开发的员工、分类相关公共字段代码】从而导致代码冗余，不便于后期维护为了避免重复性的操作，需要进行相关代码的编写从而解决公共字段的自动填充。 可以通过切面来拦截持久层的相关操作，来为公共
Electron简介（附电子书学习资料）
最新发布
闲余知道
06-09 695
Electron简介（附电子书学习资料）
c++算法学习3——深度优先搜索
overload100的博客
06-05 835
从起点出发，选择一个方向探索到底，直到无路可走：遇到死路时返回最近的分叉点尝试其他路径：记录已访问位置，避免重复访问。
LOAM激光雷达SLAM学习笔记及代码注释详解
本资源提供的LOAM加注释SLAM学习笔记，对于想要深入研究SLAM技术的人员来说是一份宝贵的资料。通过对Velodyne激光雷达数据处理的LOAM算法的详细讲解和注释，能够帮助开发者快速掌握SLAM的核心技术，并在实际应用中...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值