实时SLAM的未来

实时SLAM的未来
感谢清华大学王波老师授权ExBot转载 原文链接 先来说说这个题目,The Future of Real-Time SLAM是International Conference of Computer Vision (ICCV) 2015年的一个workshop。尽管这次ICCV中Deep Learning占据主导,但是SLAM仍然占据了一部分的内容,毕竟SLAM还是当今比较热的机器人和VR方向中十分重要的技术,这篇blog主要是总结这个workshop的内容(部分参考了Tombone Blog的内容)和对SLAM的一些...

ROS中安装使用cartographer

ROS中安装使用cartographer
一、在安装cartographer前,需要系统满足如下的要求: 64-bit, modern CPU (e.g. 3rd generation i7) 16 GB RAM Ubuntu 14.04 (Trusty) gcc version 4.8.4 ROS Indigo 本人是自己设计制作的机器人平台,只有一个激光雷达传感器URG-04LX-UG01。本人就是利用这个传感器实现的SLAM。 二、安装过程及命令: # Install wstool and rosdep. sudo apt-get update sudo apt-get install -y python-wstool python-...

如何看待谷歌在10月6日开源的SLAM算法cartographer?

如何看待谷歌在10月6日开源的SLAM算法cartographer?
作者:邵天兰 梅卡曼德(北京)机器人 创始人,CEO 感谢作者授权ExBot转载 现在深夜四点,熬了一夜粗读了Cartographer的核心代码。忍无可忍,提前填坑。 Cartographer的算法应该算是state-of-art,但就我读文章[1]时的感受,感觉并没有牛逼到让我合不拢嘴的程度(当然很有可能是我太愚钝了)。泛泛总结一下就是,这个玩意用Grid(2D/3D)的形式建地图;局部匹配直接建模成一个非线性优...

谷歌开源SLAM库cartographer在Turltlebot的应用

谷歌开源SLAM库cartographer在Turltlebot的应用
cartographer介绍 这是一个实时同步定位与地图系统(SLAM),提供ROS 系统支持2D 和 3D SLAM(simultaneous localization and mapping)库。 目前,Cartographer 特别注重于 Lidar SLAM,通过社区的贡献和持续开发,我们希望增加更多传感器和平台的支持,增加更多的新特征,比如在预先存在的地图中的 lifelong mapping 和 localizing。 由于集成了 ROS 和来自外部贡献者的支持,Cartographer 已经被用在多...

SLAM第二篇:视觉里程计

SLAM第二篇:视觉里程计
感谢作者(高翔博士)授权Exbot转发 原文发表于地平线公众号 本期给大家介绍视觉里程计 上一讲中,我们介绍了组成SLAM系统的各个模块。以后,我们会详细介绍各模块的主要算法步骤,以及各种方法的特点和优势。 本讲主要关注视觉里程计。为了讲清楚它的来龙去脉,我们会进行一些公式的推导。视觉里程计算法需要大量的几何知识,我们将在必要的时候,以Tips的形式介绍一些背景...

视觉SLAM中的数学基础 第三篇 李群与李代数

视觉SLAM中的数学基础 第三篇 李群与李代数
感谢作者(半闲居士)授权Exbot转发! 原文链接 前言 在SLAM中,除了表达3D旋转与位移之外,我们还要对它们进行估计,因为SLAM整个过程就是在不断地估计机器人的位姿与地图。为了做这件事,需要对变换矩阵进行插值、求导、迭代等操作。例如,在经典ICP问题中,给定了两组3D点,我们要计算它们之间的变换矩阵。假设第一组的3D点为P={pi|i=[1,2,…,N]}P={pi|i=[1,2,…,N]},第二组3D点为Q={qi|i=[1,2,…,N]...

视觉SLAM中的数学基础 第二篇 四元数

视觉SLAM中的数学基础 第二篇 四元数
感谢作者(半闲居士)授权Exbot转发! 原文链接 什么是四元数 相比欧拉角,四元数(Quaternion)则是一种紧凑、易于迭代、又不会出现奇异值的表示方法。它在程序中广为使用,例如ROS和几个著名的SLAM公开数据集、g2o等程序都使用四元数记录机器人的姿态。因此,理解四元数的含义与用法,对学习SLAM来说是必须的。本节我们就来讲讲四元数。 首先,请读者不要对四元数有什么神秘的感觉。四元数仅是3D姿态的一...

视觉SLAM中的数学基础 第一篇 3D空间的位置表示

视觉SLAM中的数学基础 第一篇 3D空间的位置表示
  感谢作者(半闲居士)授权Exbot转发! 原文链接 前言 转眼间一个学期又将过去,距离我上次写《一起做RGBD SLAM》已经半年之久。《一起做》系列反响很不错,主要由于它为读者提供了一个可以一步步编码、运行的SLAM程序,为读者理解SLAM实现的细节作了详细的介绍。但是我也有很多对它不满意的地方。作为面向实现的介绍,它的代码不够稳定可靠,例如,甚至没有对匹配丢失的情况进行处理,因而只能用...

SLAM第一篇:基础知识

SLAM第一篇:基础知识
感谢作者(高翔博士)授权Exbot转发 原文发表于地平线公众号 Simultaneous Localization and Mapping 即时定位与地图构建技术 无论在室内、野外、空中还是水下SLAM是机器人进入未知环境遇到的第一个问题 本期给大家介绍SLAM的基础知识 传感器与视觉SLAM框架 近来年,智能机器人技术在世界范围内得到了大力发展。人们致力于把机器人用于实际场景:从室内的移动机器人...

视觉SLAM漫谈(二):图优化理论与g2o的使用

视觉SLAM漫谈(二):图优化理论与g2o的使用
  感谢作者(半闲居士)授权Exbot转发! 原文链接 1    前言以及回顾   各位朋友,自从上一篇《视觉SLAM漫谈》写成以来已经有一段时间了。我收到几位热心读者的邮件。有的希望我介绍一下当前视觉SLAM程序的实用程度,更多的人希望了解一下前文提到的g2o优化库。因此我另写一篇小文章来专门介绍这个新玩意。   在开始本篇文章正文以前,我们先来回顾一下图优化SLAM问题的提法。至于SLAM...
Copyright © ExBot易科机器人实验室 保留所有权利.   Theme   Robin modified by poyoten

用户登录

分享到: