戈扬的博客

https://blog.youkuaiyun.com/tiandijun/article/details/55212968SLAM1.　　前言读者朋友们大家好！（很久很久）之前，我们为大家介绍了SLAM的基本概念和方法。相信大家对SLAM，应该有了基本的认识。在忙完一堆写论文、博士开题的事情之后，我准备回来继续填坑：为大家介绍SLAM研究的方方面面。如果前两篇文章算是"初识"，接下来几篇就是"渐入佳境...

最全的介绍见github：https://github.com/timzhang642/3D-Machine-Learning三维点云数据集3D Machine LearningIn recent years, tremendous amount of progress is being made in the field of 3D Machine Learning, which is a...

最近在学习SLAM和ROS，首先接触到的是github上的开源项目BLAM，是berkely的一位小哥所写，油管上有相关的视频。这篇教程面向于SLAM和ROS的初学者，如果有问题还希望各位大神进行指正。安装使用教程：LiDAR-based real-time 3D localization and mappinggithub:https://github.com/erik-nelson/b...

1 算法原理1.1 机器人定位问题关于机器人定位，有三大问题，它们分别是：(1)“全局定位”：指初始位置未知，机器人靠自身运动确定自己在地图中的位姿。(2)“位姿跟踪”：指已知自身位姿或者已经通过“全局定位”得到了一个较好的位姿估计，在后续运动时补偿精度较差的运动控制误差；(3)“绑架劫持”：指机器人在已知自身位姿的情况下，得到了一个错误的位姿信息或者外界将其放到另外一个位姿，而里程计...

转载: https://zhuanlan.zhihu.com/p/49298236卡尔曼滤波器是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。而且由于观测包含系统的噪声和干扰的影响，所以最优估计也可看做是滤波过程。1 卡尔曼滤波的原理与理解1.1 预测假设有一辆小车，其在t时刻的位置为 PtP_tPt​ (假设其在一维直线上运动，则位置可以用数轴上的点...

0 引言刚刚入门学了近一个月的SLAM，但对理论推导一知半解，因此在matlab上捣鼓了个简单的2D LiDAR SLAM的demo来体会体会SLAM的完整流程。(1)数据来源：德意志博物馆Deutsches Museum)的2D激光SLAM数据，链接如下：https://link.zhihu.com/?target=https%3A//google-cartographer-ros.rea...

深蓝学院的激光slam课程第一章：激光SLAM的发展和应用激光SLAM的两大框架：滤波slam与图优化slam。滤波的框架图为：图优化的框架图为（谷歌的cartographer为代表）二维激光slam其中，PI-ICP是点对点匹配，已经不太用了。主要流行CSM及梯度优化。回环检测scan-to-map现在是主流，map-to-map更好但现在还没有普及，理论还不够丰富。分支界定是...

https://blog.youkuaiyun.com/weixin_38746685/article/details/83014799https://blog.youkuaiyun.com/weixin_38746685/article/details/83014799一个SLAM的技术小结，供自己回顾也为后人学习提供参考。另外建了一个无人驾驶方面的微信交流群，有兴趣的同行或者专家学者可以加我微信：wxl6092...

激光 SLAM：早在 2005 年的时候，激光 SLAM 就已经被研究的比较透彻，框架也已初步确定。激光 SLAM，是目前最稳定、最主流的定位导航方法。激光 SLAM 地图构建VSLAM（基于视觉的定位与建图）：随着计算机视觉的迅速发展，视觉 SLAM 因为信息量大，适用范围广等优点受到广泛关注。视觉 SLAM 地图构建，图片来源：百度 AI（1）基于深度摄像机的 Vslam，跟...

详细内容参考:https://blog.youkuaiyun.com/Jeff_Lee_/article/details/77869987一、Gmapping是基于粒子滤波的算法。缺点：严重依赖里程计，无法适应无人机及地面不平坦的区域，无回环（激光SLAM很难做回环检测），大的场景，粒子较多的情况下，特别消耗资源。二、Hector SLAM基于优化的算法（解最小二乘问题），优缺点：不需要里程计，但...