发表服务
LOAM在人行道上的建图效果并不好，可能是一端存在树木叶子的干扰，如下图所示：在其他三种场景中，LeGO-LOAM的偏差(终点相对于初始位置的偏差)表现都要优于LOAM。整个测试的结果如下：特征点数量对比：LeGO-LOAM特征点整体下降幅度超过：。
基于Lidar和SLAM(simultaneouslocalizationandmapping)的LeGO-LOAM算法在低分辨率的Lidar设备上，由于Lidar数据的运动畸变、采样的地面数据稀疏等问题，存在重力矢量漂移现象和严重的高程估计误差。为了改善这一点，LeGO-LOAM改进算法引入了一种...
SVO（Semi-DirectMonocularVisualOdometry）是苏黎世大学Scaramuzza教授的实验室发布的一种视觉里程计算法，它的名称是半直接法视觉里程计，通俗点说，就是结合了特征点法和直接法的视觉里程计。SVO2.0论文早已经发…
多传感器融合定位理论基础（十一）：IMU预积分模型及应用.一、概述在上一篇文章中，我们给出了下面的框图中实现框图对应的理论部分，但是也提到，虚线对应的部分太过复杂，当时没有介绍。.下面来分析一下具体的原因。.带IMU的融合模型中的优化问题...
LidarSLAM.发表于2019-03-09|分类于VSLAM|.LOAM_velodyne系列学习.loam中文代码注解.主要思路分为：1.高频的运动估计；2.低频的环境建图。.Lidar接收数据，首先进行PointCloudRegistration，LidarOdometry以10Hz的频率进行运动估计和坐标转换，LidarMapping以1Hz的频率构建...
LOAM在人行道上的建图效果并不好，可能是一端存在树木叶子的干扰，如下图所示：在其他三种场景中，LeGO-LOAM的偏差(终点相对于初始位置的偏差)表现都要优于LOAM。整个测试的结果如下：特征点数量对比：LeGO-LOAM特征点整体下降幅度超过：。
基于Lidar和SLAM(simultaneouslocalizationandmapping)的LeGO-LOAM算法在低分辨率的Lidar设备上，由于Lidar数据的运动畸变、采样的地面数据稀疏等问题，存在重力矢量漂移现象和严重的高程估计误差。为了改善这一点，LeGO-LOAM改进算法引入了一种...
SVO（Semi-DirectMonocularVisualOdometry）是苏黎世大学Scaramuzza教授的实验室发布的一种视觉里程计算法，它的名称是半直接法视觉里程计，通俗点说，就是结合了特征点法和直接法的视觉里程计。SVO2.0论文早已经发…
多传感器融合定位理论基础（十一）：IMU预积分模型及应用.一、概述在上一篇文章中，我们给出了下面的框图中实现框图对应的理论部分，但是也提到，虚线对应的部分太过复杂，当时没有介绍。.下面来分析一下具体的原因。.带IMU的融合模型中的优化问题...
LidarSLAM.发表于2019-03-09|分类于VSLAM|.LOAM_velodyne系列学习.loam中文代码注解.主要思路分为：1.高频的运动估计；2.低频的环境建图。.Lidar接收数据，首先进行PointCloudRegistration，LidarOdometry以10Hz的频率进行运动估计和坐标转换，LidarMapping以1Hz的频率构建...
发表服务