- 博客(7)
- 收藏
- 关注
RSS订阅原创 GPS校验机制
3.特征重投影(reprojection)校验 R: + 为通过，-为未通过。2.轨迹平滑性(smoothness)校验 S: + 为通过，- 为未通过。1.status bit flip: RTK fix 状态位。2.Fix(not verified): 待判别。4.Fix(verified): 真固定。3.Fix(fake): 假固定。1.Unfix: 非固定解。5.Jumping: 跳变。
2023-10-16 22:14:14
434
1
原创 离散时间下状态转移矩阵的求解
上述采用近似的方法，为求得精确解，可对离散时间下的状态量 进行泰勒展开。离散时间下，运动模型可近似的表示为，当前状态(如何求解离散时间下状态转移矩阵呢？) = 前一时刻状态(
2023-10-15 08:14:52
510
1
原创 state space model & filtering
state space model, 即状态空间模型, 运动模型用于衡量状态向量。有了前一个时刻后验概率 和 条件概率假设，就可以对当前状态做预测(全概率公式)即将此后验概率表示为一系列 单个测量模型，先验，单个运动模型的乘积。更新过程，根据贝叶斯法则，其结果符合一般性的法则，即后验概率。随时间变化的表示，测量模型连接了状态与观测的关系。，给这个一般性的状态空间模型一定假设，假设。再一次，明确目标: 给定一系列观测，计算。等价的，在概率表示下的假设为，当前状态。独立于此前所有时刻的状态 与观测，即。
2023-10-08 19:07:16
676
1
原创 Ubuntu 20.04 搭建 UE4 & Carla 仿真环境
使用 UE4 和 Carla 搭建自动驾驶仿真环境，以下个人操作的环境搭建方法，以流程的形式展现，并记录所遇到的问题和解决方案，希望能帮助到有需要的 engineer.
2023-09-22 12:43:39
1745
2
原创 LIO-SAM框架梳理
note: 在 imuPreintegration Node中，使用了两个积分器，其一为预测更前当前状态时使用，其二为根据最新的imu 状态进行传播时使用。(本文使用 sequence diagram 展示 LIO-SAM 框架，主要目的是把框架梳理清晰，很多表示方法不是很有道理，会结合文字作进一步说明)每来一帧imu数据，使用gtsam提供的积分器，预测当前imu时刻下的状态。类, 使用经优化后的帧间增量里程计信息，预测当前的imu状态。类，基于当前状态最佳估计，给出的全局一致下的 imu 状态。
2023-09-21 15:08:22
298
原创 有关Linux系统终端出现“make：***没有指明目标并且找不到makefile。停止。”问题的一种解决方案
最近重装了ubuntu系统，编译某些库时出现如题所示的问题：“make：***没有指明目标并且找不到makefile。停止。”排查了一下，发现是cmake出了问题，存在配置不完整的问题：“Configuring incomplete, errors occurred!”.仔细排查后未发现代码及安装包上的问题，猜测可能是“CMAKE版本过低”导致的。于是升级了一下CMAKE版本，再次编译时顺利通过！...
2020-12-08 21:55:25
5728
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人