＜多传感器融合SLAM＞浙江大学 刘勇

最新推荐文章于 2024-11-20 09:48:11 发布
最新推荐文章于 2024-11-20 09:48:11 发布
阅读量820 收藏 4
点赞数
分类专栏： SLAM论文阅读 文章标签： slam
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_38983484/article/details/115025168
版权

SLAM视频链接
激光IMU外参标定代码
论文：[1] Sommer C, et al. Efficient Derivative Computation for Cumulative B-Splines on Lie Groups - 2020 - CVPR
激光-IMU-相机融合论文
Xingxing Zuo, et al. LIC-Fusion: LiDAR-Inertial-Camera Odometry - IROS - 2019
Xingxing Zuo, et al. LIC-Fusion 2.0: LiDAR-Inertial-Camera Odometry with Sliding-Window Plane-Feature Tracking-IROS-2020

多传感器融合SLAM --- 1.多传感器融合的基础知识
qq_41694024的博客
06-03 1866
多传感器融合SLAM --- 1.多传感器融合的基础知识
SLAM 03.多传感器融合算法
jiankangyq的博客
07-27 3424
传感器标定是自动驾驶的基本需求，一个车上装了多个/多种传感器，而它们之间的时间和空间关系需要统一，传感器数据的标定主要为了定位的准确性。
论文研究-基于多传感器融合的移动机器人SLAM .pdf
08-15
基于多传感器融合的移动机器人SLAM，李金良，孙友霞，针对移动机器人同时定位与地图创建（SLAM）系统在复杂特殊环境中应用时，单一传感器存在漏检且难以解决数据关联的问题，在多维匹��
SLAM多传感器融合调研
ojyoungman的博客
10-22 4326
多传感器融合SLAM 经过一段时间发展，逐步形成了视觉惯性系统，激光惯性系统和激光视觉惯性系统，通过对综述文章的学习，并聚焦于激光视觉惯性融合这一方向，分为松耦合与紧耦合，对相关融合算法文献进行调研。—提示：以下是本篇文章正文内容，下面案例可供参考。
浙江大学刘勇教授课题组多项工作收录ICCV2023及近期学术成果汇编
阿木寺的博客
08-24 3113
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达点击进入—>【目标检测和Transformer】交流群ICCV（International Conference on Computer Vision，国际计算机视觉大会）是计算机领域世界顶级的学术会议之一，每两年举办一届，其论文集代表了计算机视觉领域最新的发展方向和水平，2023年将于今年10月在法国巴黎举行。近期，ICC...
多源信息融合_【干货】浙江大学刘勇教授：多源融合SLAM-现状与挑战
weixin_39737951的博客
12-14 1635
刘勇，浙江大学智能系统与控制研究所教授，浙江大学求是青年学者，浙江省“新世纪151人才工程”第二层次培养人员，担任浙江省机器换人专家组专家。承担NSFC-浙江两化融合联合基金、国家自然科学基金青年和面上项目、科技部863重点项目子课题、浙江省杰出青年基金、工信部重大专项等国家级省部级项目多项。获得浙江省自然科学奖2017(一等奖)，科学进步奖2013(一等奖)。主要研究方向包括：智能机器人系统、机...
IROS2019多传感器融合SLAM方向
01-20
本文重点讨论的是在IROS2019会议上提出的多传感器融合SLAM方案，具体为Stereo Visual Inertial LiDAR SLAM（VIL-SLAM），它结合了立体视觉、惯性测量单元（IMU）和激光雷达（LiDAR）的优势，以提高系统在各种环境...
激光SLAM多传感器融合定位：激光雷达+IMU的工程化落地与代码优化
03-30
内容概要：本文详细介绍了激光SLAM多传感器融合定位项目的工程化落地过程，重点探讨了激光雷达与IMU的融合定位方法及其代码优化和配置解析。文中不仅解释了为什么需要多传感器融合定位，还深入剖析了常用的融合算法...
激光SLAM多传感器融合定位工程化落地：激光雷达+IMU的代码优化与配置解析
最新发布
05-27
内容概要：本文深入探讨了一个激光SLAM多传感器融合定位的工程化落地项目，重点介绍了激光雷达和IMU（惯性测量单元）等多传感器的融合定位技术。文中不仅讲解了激光SLAM的基本原理和技术背景，还详细描述了多传感器...
激光SLAM多传感器融合定位：激光雷达+IMU的工程化实现与代码优化
04-19
内容概要：本文详细介绍了激光SLAM多传感器融合定位项目的工程化实现，重点探讨了激光雷达与IMU的融合方法及其代码优化。文中不仅解释了为什么需要多传感器融合定位，还深入剖析了常用的融合算法如扩展卡尔曼滤波...
适用于扫地机器人多传感器融合SLAM算法的研究与设计1
08-03
随着技术的发展，多传感器融合的SLAM算法成为提升性能的关键。 本文主要研究和设计了一种基于多传感器融合的SLAM算法，以提高定位精度和路径规划效率。论文作者代强在集成电路工程领域，由雷鑑铭副教授指导，通过...
基于多传感器融合的室内机器人自主导航方法研究
05-22
将深度学习引入人工智能领域，开展相关机器人技术在自主导航中的方法研究，开发集机械平台、嵌入式硬件、软件系统、SLAM算法、场景识别方法于一体的机器人综合系统框架，结合多传感器融合的环境信息，实时指导路径规划。
多传感器融合的SLAM综述
JaydenQ的博客
08-21 8025
1.单一传感器SLAM面临的问题 单一传感器会面临很多棘手的场景：在纹理少、四季天气变化、光照剧烈变化、车载条件IMU退化、长走廊、机器人剧烈运动等情况下，如下图所示。在这些复杂场景中，原来很好用的单一传感器的SLAM方法在往往会无用，很难发挥出应有的效果，导致建图失败。这些很棘手的场景会给我们带来实际应用中的困惑，采用单一的传感器会面临这个问题，所以多源融合这个领域很热门，被产业界所认可。 2.多传感器的融合方案 下图选自浙江大学刘勇教授在第二届全国SLAM技术论坛中的报告。 从上面多元融合的框架
多传感器融合SLAM --- 17.多传感器介绍及优缺点及视觉、激光SLAM原理
qq_41694024的博客
06-27 2521
激光雷达可以测量环境的点云、深度信息，其不受环境、光照影响。激光雷达分为机械式激光雷达和固态激光雷达：机械式激光雷达和固态激光雷达是两种常见的激光雷达技术，它们在工作原理、结构和应用方面存在一些区别。1. 机械式激光雷达：机械式激光雷达通过机械旋转或振动扫描激光束，获取环境中的三维点云数据。它通常由一个旋转的激光发射器和一个接收器组成，激光束通过旋转或振动扫描来遍历整个场景。
多传感器融合slam过程解析【大白话版】
举个栗子的博客
11-20 3263
激光雷达+IMU+相机的SLAM技术通过多传感器融合，实现了环境几何信息、运动估计和颜色纹理的有机结合。生成的地图以激光雷达点云为核心，IMU提供优化，相机叠加纹理，形成彩色点云或轨迹。激光雷达：几何信息（点云地图）IMU：运动轨迹（位姿数据）相机：丰富的纹理和图像信息通过合理使用这些数据，SLAM技术为自动驾驶、机器人导航和三维建模等领域提供了强大的技术支持。未来，随着传感器性能的提升和算法的优化，SLAM技术将在更多复杂场景中展现出更大的潜力。
SLAM的发展方向：全面概述激光SLAM、视觉SLAM、雷视融合SLAM、多传感器SLAM及其未来发展
小蜗牛的珍贵百宝箱
09-27 6375
激光SLAM是依赖于激光雷达（LiDAR）的系统，通过激光扫描环境中的障碍物、地形、物体生成3D点云数据，实现高精度定位和地图构建。激光SLAM是机器人、无人驾驶汽车、地形扫描仪等应用中广泛采用的方式。视觉SLAM使用相机作为主要传感器，通过捕捉的图像信息构建地图并实现定位。相机作为低成本的传感器，视觉SLAM近年来成为研究的热点，尤其在消费级无人机、AR/VR设备中广泛应用。雷视融合SLAM通过将激光雷达与相机的数据进行融合，结合激光的精度与相机的丰富视觉信息，实现更加稳健的定位与地图构建。
(SLAM/VIO)多传感器融合(1)：统计参数估计简介
feiyang_luo的博客
12-01 923
1.关于变量、分布、概率、矩的简单概念： 1.1 随机变量： 随机变量: 表示随机试验各种结果的实值单值函数。随机事件不论与数量是否直接有关，都可以数量化，即都能用数量化的方式表达。 随机事件数量化的好处是可以用数学分析的方法来研究随机现象。例如某一时间内公共汽车站等车乘客人数，电话交换台在一定时间内收到的呼叫次数，灯泡的寿命等等，都是随机变量的实例。 1.2 分...
SLAM的各类传感器对比
戈扬的博客
06-01 2543
SLAM综述|激光与视觉融合SLAM
3D视觉工坊
10-06 6780
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达SLAM包含了两个主要的任务：定位与构图，在移动机器人或者自动驾驶中，这是一个十分重要的问题：机器人要精确的移动，就必须要有一个环境...
多传感器融合slam
05-30
多传感器融合SLAM（Simultaneous Localization and Mapping）是指利用多个传感器（如相机、激光雷达、惯性测量单元等）共同工作，实现对环境的建图和自身定位的技术。在多传感器融合SLAM中，不同的传感器可以互相补充，提高系统的鲁棒性和精度，同时也能够处理一些单一传感器无法解决的问题，如遮挡、反射等。 多传感器融合SLAM的核心思想是将不同传感器的数据进行融合，通过对数据的分析和匹配，得到更加准确的自身位姿和环境地图。具体实现过程通常分为以下几个步骤：传感器数据获取、数据预处理、特征提取、特征匹配、运动估计和地图更新。 相关问题： 1. 什么是SLAM技术？ 2. 多传感器融合SLAM有哪些优势？ 3. 多传感器融合SLAM在哪些领域得到了广泛应用？
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