- 博客(205)
- 收藏
- 关注
RSS订阅
原创 Paper Reading
文章目录1、2D_SLAMreal-time loop closure in 2D LIDAR SLAM2、3D_SLAMTightly-coupled Lidar Inertial Odometry via Smoothing and Mapping3、OtherInertial Aided Multi-Sensor Calibration1、2D_SLAMreal-time loop closure in 2D LIDAR SLAMcartographer 涉及到的论文2、3D_SLAMTi
2021-09-10 14:25:23
319
原创 ubuntu 16.04 14.04 安装各种软件
目录1.安装SunPinYin 1.5 安装 搜狗拼音1.下载安装包2.安装 fcitx3.重启后就ok4.不能中英文切换5.在qt 中正常使用2.opencv opencv依赖项下载地址编译：3.qt 5.8.01.直接下载qt5.8.0版本，解压后安装2.ROS插件2.1 UBuntu14.042.2 U...
2020-04-21 10:36:33
4053
1
原创 python教程学习
1. 基本使用1. 目录Ubuntu 系统没有盘符的概念，只有目录// -> /etc /lib /bin /usr /home/home -> /mayun /laowang /lvbu/mayun -> /Desktop /python …2. 常用命令基本使用序号命令对应英文作用01lslist查看当前文件下的内...
2019-06-02 18:22:09
2486
原创 ssh、sftp 远程计算机
一、远端支持依据ROS最牛逼的地方就是它的通信机制了，不仅仅是进程间通信方便，就连不同设备间通信也很方便，只需添加几行代码，你就可以实现多电脑间的 Topic 共享， 远程控制等功能。下面就让我们一起来实现吧！ 这里假设我们有两个电脑：电脑 A 为主机端，电脑 B 为控制端。最终要实现在 A 电脑上运行roscore，并且运行 Turtlesim 程序，然后在 B 电脑上运行键盘控制...
2018-04-20 10:10:42
2040
原创 Git hook pre-commit
将钩子放在项目内（如 .githooks/） git config core.hooksPath .githooks钩子脚本必须有可执行权限chmod +x客户端钩子不会自动在 clone 后生效，需文档或脚本引导设置钩子不能被 Git 跟踪（除非你用指向项目内目录）不要在钩子中做耗时过长的操作（会影响开发者体验）Git Hooks = Git 操作生命周期中的“自动化守门员”它们让你在代码进入仓库的每一步都能自动执行检查、修复或通知，是构建高质量、规范化开发流程的关键工具。
2025-11-03 14:15:20
990
原创 windows 装虚拟机
这种方法是在 Windows 11 上创建一个独立的虚拟电脑，并在其中安装 Ubuntu 20.04。如果没有下载，请先去 Ubuntu 20.04 官方下载页面下载桌面版（Desktop）的ISO文件。现在，一台新的虚拟机已经出现在 VirtualBox 主界面的列表里了。您的电脑上尚未安装这个组件，因此安装程序被中断。这是关键步骤，请根据您电脑的实际情况进行分配。步骤 3：在虚拟机中创建并安装 Ubuntu。解决方案，下载依赖，并重新安装。步骤 1：下载并安装虚拟机软件。步骤一：创建新的虚拟机。
2025-09-12 17:57:04
1247
原创 设计模式Books Reading
为什么我们需要了解设计模式？什么是设计模式？模式包含哪些内容？大部分模式都有正规的描述方式， 以便在不同情况下使用。 模式的描述通常会包括以下部分：部分模式介绍中还列出其他的一些实用细节， 例如模式的适用性、 实现步骤以及与其他模式的关系。为什么以及如何学习设计模式？设计模式分类不同设计模式的复杂程度、 细节层次以及在整个系统中的应用范围等方面各不相同。
2025-08-29 10:46:34
994
原创 opencv aruco calib
ArUco 标记是一种合成方形标记，由宽黑边框和内部二进制矩阵组成，该矩阵确定其标识符 (id)。黑色边框有助于在图像中快速检测标记，二进制编码则有助于识别标记并应用错误检测和校正技术。标记大小决定了内部矩阵的大小。例如，4x4 大小的标记由 16 位组成。需要注意的是，标记可能会在环境中发生旋转，但检测过程需要能够确定其原始旋转，以便明确识别每个角点。这也是基于二进制编码实现的。
2025-07-11 20:50:30
553
原创 PL-SLAM: Real-Time Monocular Visual SLAM with Points and Lines
译文——众所周知，低纹理场景是依赖点对应的几何计算机视觉算法的主要致命弱点之一，尤其是对于视觉 SLAM。然而，在许多环境中，尽管纹理较低，但仍然可以可靠地估计基于线的几何基元，例如在城市和室内场景中，或者在结构化边缘占主导地位的所谓“曼哈顿世界”中。在本文中，我们提出了一种解决方案来处理这些情况。具体来说，我们建立在 ORB-SLAM 的基础上，大概是当前最先进的解决方案，无论是在准确性还是效率方面，并扩展其公式以同时处理点和线对应。
2025-06-29 16:21:11
1098
原创 ORB EPNP
《摄像机位姿的加权线性算法》学报中有介绍给定摄像机内参数，从空间点与它的图像点对应估计摄像机的旋转 R 和位置 c，通常称为摄像机位姿估计问题，也称为 PnP 问题解决 问题所需要的最少点对应数为 ，它最多有 4 个解，后又提出 问题。Quan 和 Lan 对于 P4P 和 P5P 问题给出了线性 SVD 算法 [2] ，他们把 问题转化为多个 问题，根据 问题之间的关系线性求解 ，其算法时间复杂度较高。在 n≥6 的情况下，经典的线性算法是 算法 [1] ，它忽略了旋转矩阵的正交约束,将投影矩
2025-06-29 16:19:26
819
原创 vins fusion 对比
VINS即 ，港科大在2019年1月12号发布了Vins-fusion，从2017年发布的Vins-mono:单目+IMU，这次晋级了vins-fusion，demo中主要给出了四个版本：VINS-Fusion是基于优化的多传感器状态估计器，可为自主应用（无人机，汽车和AR/VR）实现准确的自定位。VINS-Fusion是VINS-Mono的扩展，它支持多种视觉惯性传感器类型（单摄像机+IMU，立体摄像机+IMU，甚至纯双目摄像机）。使用IMU 时，初值与重力方向对齐加速度均值 gave=[g1,g2,g3
2025-06-29 14:56:47
1099
原创 avp-slam Semantic Visual Mapping and Localization for Autonomous Vehicles in the Parking Lot
AVP-SLAM提出了一种基于语义特征的自动代客泊车视觉定位方案，利用停车场中稳定的停车线、引导标志和减速带等语义特征进行建图与定位。系统采用四个全景摄像头获取环境信息，通过U-Net进行语义分割，将特征投影到车辆坐标系后结合轮速计和IMU数据构建全局语义地图。定位时通过ICP匹配当前特征与地图特征实现厘米级定位。相比传统视觉方法，该方案对停车场低纹理和重复结构更具鲁棒性，实验验证了其在实际自动泊车应用中的有效性。
2025-06-18 21:05:30
1068
原创 cartgrapher ukf 代码清晰属实不错
cartographer 老板中 UKF 解读后期cartographer把该部分去掉了，实时构建的地图激光匹配，理论也是连续的，UKF无形增加了计算量。
2022-12-05 18:45:26
942
原创 opencv cv::Mat In/Out putArray InputArray
cv::Mat InputArray OutputArray
2022-10-17 17:22:03
1404
原创 vins estimator InitialEXRotation
CalibrationExRotation功能：若未提供外参时，该类可以帮你校准imu与相机的外参(旋转)参数：两帧图像对应的特征点，imu的旋转，输出外参矩阵原理：RcbRbkbk+1RcbT=Rckck+1{R_{cb}R_{b_kb_{k+1}R_{cb}^T}=R_{c_kc_{k+1}}}RcbRbkbk+1RcbT=Rckck+1RcbRbkRbk+1=Rckck+1Rcb{R_{cb}R_{b_k}R_{b_{k+1}}=R_{c_kc_{k+1}}..
2022-05-27 20:52:27
263
原创 quaternion Jacobian
文章目录Quaternion四元数左右乘求解 JacobianQuaternion and Rotation MatrixQuaternionq=[w,x,y,z]{q = [w,x,y,z]}q=[w,x,y,z] 其中，www为实部，x,y,z{x,y,z}x,y,z为虚部4维表示3维旋转，故Pose 7维，实际6维度。对于继承ceres:: LocalParameterization中virtual int GlobalSize() const { return 7; }virtual
2022-05-20 15:16:48
495
原创 vins estimator marginlization
文章目录参数块信息-ResidualBlockInfo线程结构-ThreadsStruct定义ThreadsConstructA边缘化信息-MarginalizationInfo成员变量调用FunctionaddResidualBlockInfopreMarginalizemarginalizeGetParameterBlocks边缘化因子构造及成员核心函数参数块信息-ResidualBlockInfo构造参数ceres::CostFunction 通常传入其子类ceres::LossFunct
2022-05-13 14:44:29
1077
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