- 博客(10)
- 收藏
- 关注
RSS订阅原创 0823-学习记录
法线估计pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> ne;pcl::vfh\cvfh\ourcvfh使用方法。添加搜索方法pcl::search::KdTree。计算法线ne.compute(normals);大致同上，仅在创建估计对象处更改。加载点云loadpcdfile。创建空的kd树对象tree2。创建VFH估计对象vfh。
2024-08-23 21:25:27
163
原创 0822学习记录
下一步，将normals_filtered_cloud判断点数是否大于min_points=50，小于的则可视为噪声，不予考虑。CVFH在VFH的基础上，着重考虑了一些在物体遮挡等情况下的特征描述，其实验表明相较VFH，CVFH确实检测特征更加明显(直方图上便可体现)，对于一些局部特征丢失的情况，也能起到很好的聚类识别效果，如论文中的fig1.和fig4.牛奶盒。查阅pcl可知，在设置为pcl::normal类型时，前三位是normal_x,_y_z,第四位是曲率curvature。
2024-08-22 20:57:26
333
原创 bilteral filter
其中，P’为滤波后的点，P为滤波前的点，一般为遍历点云所有点；Normal为各点对应的法向，一般利用pcl::normalestimationOMP得到；miu为光滑、法向权重因子高斯核函数公式。1.将双边滤波和其他如直通、统计、半径等滤波方法结合，“混合滤波”##点云处理之双边滤波bilteral filter。双边滤波是在保留点云特征的同时，达到光滑去噪的效果。核心公式为：P’=P + miu * Normal。3.改变Wn高斯核函数式子，增大法向权重影响。有完整解释，并提供有c++代码；
2024-08-20 20:56:53
260
原创 眼在手外标定
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
2023-07-27 22:11:43
651
2
原创 ros学习笔记
节点node：可执行程序消息message：发布或订阅时所使用的ros数据类型话题topic：node可以在一个topic上发布消息，也可订阅一个topic来接收消息主机master：ros名字服务器roscore，使用ros前首先运行；rosnode，显示正在运行的ros节点信息rosnode list显示活跃的ros节点rosrun允许直接运行一个包里的节点：rosrun [package_name] [node_name]如rosrun turlesim turtlesim_no
2022-05-07 17:29:35
267
原创 安装orbslam2
1.安装所需的各种依赖项g++ -v需确认gcc版本不低于4.8；我的是7.5.0安装pangolinsudo apt install libgl1-mesa-devsudo apt install libglew-devsudo apt install cmake下载pangolin源码git clone https://github.com/stevenlovegrove/Pangolin.git编译安装cd Pangolinmkdir buildcd buildcmake …
2022-05-07 15:41:06
1268
原创 机器人slam导航学习笔记-gmapping安装
两种安装方式：1.apt install安装指定功能包；2.直接下载该ros功能包源码到workspace；workspace：catkin_ws安装gmapping的依赖库：sudo apt install ros-noetic-openslam-gmapping ros-nortic-gmappingsudo apt remove ros-noetic-openslam-gmapping ros-nortic-gmapping先安装后卸载。保留其依赖切换到workspace目录：cd ~
2022-05-03 22:17:02
3783
1
原创 rbpf-slam原理
基于rao-blackwellized PF-slam>>>将slam问题分解为先定位再mapping。激光slam：激光里程计测量值即机器人的位姿估计值，sensor测量值即环境障碍物地表位标信息；基于RBPF的slam算法：联合概率密度RBPF算法实现过程：1.采样阶段；对k时刻粒子集，PF根据激光odo运动模型计算提议分布，由此分布得k+1时刻粒子集，每个粒子得位姿表示了robot得一种运动位姿估计；2.权重计算阶段；初始各粒子权值1/n，迭代更新后，权值大小为目标分布和
2022-05-02 14:15:12
1938
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人