奉现的博客

本文提出了一种计算高效且鲁棒的激光雷达惯性里程计框架。我们使用紧耦合的迭代扩展卡尔曼滤波（IEKF）将激光雷达特征点与IMU数据融合，以便在可能会造成退化的快速运动、大量噪声或杂乱环境中进行稳健导航。为了在存在大量测量值的情况下降低计算量，我们提出了一个新的公式来计算卡尔曼增益。新公式的计算量取决于状态维数而不是测量维数。我们将所提出的方法进行了实现，并在各种室内外环境中进行了测试。...

本文提出了LI-Init：一个完整并且实时的 LiDAR-惯性系统初始化过程。该过程通过将由 LiDAR 测量估计出的状态与 IMU 测量得到的状态进行对齐，从而标定出 LiDAR 和 IMU 之间的时间偏移、外参、重力向量和 IMU 偏置。作者将该方法封装成初始化模块，能够自动检测所收集到的数据的运动激励程度。该初始化模块能够用于不同类型的 LiDAR-惯性组合中，并且已经集成到最先进的 LIO 系统 FAST-LIO2 当中。...

基于误差状态的卡尔曼滤波ESKF及其推导

迭代扩展卡尔曼滤波IEKF介绍和推导

扩展卡尔曼滤波EKF介绍及推导

卡尔曼滤波器及其推导

高斯推断

R3LIVE的VIO子系统

贝叶斯滤波器的详细推导

SLAM求职必备（二）：面试问题汇总

介绍如何通过三角测量来获取空间地图点的深度

介绍单应矩阵

对SLAM中的一些基础知识进行了整理与汇总，提供给大家作为参考。

旋转矩阵R、平移向量t以及变换矩阵T的定义及其下标的含义

介绍对极几何基本原理和本质矩阵的定义

介绍针孔相机模型和相机内参矩阵的推导

视觉SLAM经典开源框架VINS-Mono论文学习笔记

使用PROJ将空间坐标点从WGS84坐标系转换到UTM坐标系

ORB-SLAM2安装问题error: ‘usleep’ was not declared in this scope解决方法：要在主要的cpp文件加上头文件#include <unistd.h>