秃头队长

目录1.CMakeLists 起飞2.main 函数3.计算激光里程计的主循环3.1 创建图像金字塔 createImagePyramid3.2 金字塔处理的八个步骤3.2.1 计算坐标3.2.2 找到数据为0的点3.2.3 计算梯度3.2.1 金字塔缩放后的数据裁剪  很早之前看过这篇论文，但是当时还是以多线激光雷达为主，最近又回到了2D激光里程计，所以有重新看了这部分代码，顺便记录一下！之前的原理部分可参考：RF2O激光里程计算法原理1.CMakeLists 起飞先从 CMakeLists 开

摘要：  本文介绍了应用于室内环境二维激光扫描的不同线提取算法的实验评估。选择并测试了移动机器人和计算机视觉中的六种流行算法。通过使用不同平台从两个办公环境中收集的 真实激光 数据用于实验中，以评估算法。提出并讨论了几种比较标准，以突出每种算法的优缺点，包括速度、复杂性、正确性和精度。使用标准统计方法将算法的结果与基本事实进行比较。进行了扩展的案例研究，以进一步评估 SLAM 应用程序中的算法1 介绍  对于移动机器人来说，能够在已知或未知的环境中自主导航和定位是很重要的。精确的位姿估计始终是任何导航

在结构化环境中，跟随人的移动机器人面临着目标人在走廊交叉口处转身时，被墙壁完全遮挡的挑战。这可能会导致目标在跟随机器人的视野范围内短期甚至永久丢失。针对该问题，提出了一种新的并行跟踪方法。在本文中，人类跟随机器人首先使用车载激光扫描仪检测目标人的腿和不同类型的走廊交叉口。然后，我们提供了一种走廊检测方法对目标和走廊交叉点之间的几何结构约束进行聚类。最后，为了增加目标人在走廊交叉口处转弯时的可见时间，结合激光信息设计了一种并排跟随腿跟踪器（SFLT）。

目录摘要：一、引言二、相关工作三、从距离流方程导出的速度约束四、求解相机运动A. 最小二乘解B. 加权函数五、场景几何、协方差分析和速度过滤六、 DIFODO 框架和实施A. 高斯金字塔B. WarpingC. 深度图像梯度和权重D. 过滤速度和更新姿势不知多少同学是通过RF2O知道这篇论文的，很多公式RF2O中并没有介绍，读该论文可以很好的答疑。不过其中很重要的一部分Warping 因为也不是本文的贡献，所以没有给出它的数学公式，那么读完这篇就是下一篇：High Accuracy Optical F

目录摘要1 简介2 变分模型3 最小化3.1 欧拉-拉格朗日方程3.2 数值逼近4 与 Warping 方法的关系摘要  我们研究了一种用于计算光流的能量函数，它结合了三个假设：亮度恒定假设、梯度恒定假设和不连续性保持时空平滑约束。为了允许大位移，严格避免两个数据项中的线性化。我们提出了一个基于两个嵌套的定点迭代的连续数值方案。通过证明该方案实现了从粗到细的 Warping 策略，迄今为止主要在实验上使用的 Warping 提供了理论基础。我们的评估表明，与以前的光流估计技术相比，新方法的角度误差要小

目录摘要一、引言三、视觉里程计的距离流约束四、优化问题A. 预加权策略五、多扫描公式六、求解器七、keyscan 选择八、实施细节A. 梯度近似B. 运动过滤器C. 稳健优化的参数摘要  本文提出了一种使用激光扫描仪估计平面运动的密集方法。从扫描之间几何一致性的对称表示开始，我们推导出精确的距离流约束，并将扫描观测的运动表示为扫描仪刚性运动的函数。与将最新扫描与前一个或最后一个选择的 keyscan 对齐的现有技术相比，我们提出了一种组合且有效的公式，以在每次迭代时联合对齐所有这三个扫描。这种新的公式