4 dieju8330

尚未进行身份认证

我要认证

莫道黯然銷魂,何處柳暗花明 博客迁移☞http://epsilonjohn.club/

等级
TA的排名 1w+

GTSAM学习::Stereo(1)SteroVOExample

Stereo(1)SteroVOExample这是一个3D 双目视觉里程计的例子,机器人在原点启动,向前移动1米,双目观测到3个landmark已知:双目相机内参,基线 双目观测到的对应的landmark像素坐标求解:相机位姿 landmark的坐标头文件#include <gtsam/geometry/Pose3.h>#include <gtsam/geometry/Cal3_S2Stereo.h>#include <gtsam/no.

2020-07-23 09:47:16

GTSAM学习::Example(4)SelfCalibrationExample

Example(4)SFMExample基于VisualSLAMExample,但是标定数据还没有固定,在进行SFM的同时估计标定参数引入头文件1、模拟数据// For loading the data#include "SFMdata.h"2、类型(2D点)// Camera observations of landmarks (i.e. pixel coordinates) will be stored as Point2 (x, y).#include <g.

2020-07-22 10:05:04

GTSAM学习::Example(3)SFMExample

Example(3)SFMExample使用模拟的数据求解SFM问题模拟生成一些路标点和一些相机位姿 固定第一个路标点(固定尺度),固定第一个位姿(设置先验) 求解 剩下的位姿以及路标点引入头文件1. 数据模拟用来创建模拟数据的头文件// For loading the data, see the comments therein for scenario (camera rotates around cube)#include "SFMdata.h"2. 2..

2020-07-10 00:13:47

GTSAM学习::Example(2)CameraResectioning(重投影)

Example(2)CameraResectioning求解相机Resectioning问题已知:相机内参 若干世界坐标系3D点 3D点对应的2D像素点观测值求解相机位姿引入头文件#include <gtsam/inference/Symbol.h>#include <gtsam/nonlinear/LevenbergMarquardtOptimizer.h>#include <gtsam/geometry/SimpleCamera...

2020-07-09 22:52:42

GTSAM学习::Example(1)SimpleRotation

Example(1)SimpleRotation这是个超级简单的例子,根据一个先验信息来优化一个旋转角度。这个示例将对带有单个因子的单个变量执行一个相对简单的优化。引入头文件1. 2D旋转#include <gtsam/geometry/Rot2.h>2. 符号表示系统中的每个变量(pose)都必须使用一个惟一的key进行标识,我们可以使用keys (1, 2, 3, ...) or symbols (X1, X2, L1),这里使用symbols#.

2020-07-08 23:47:14

ROS::ROS_INFO带颜色的输出

ROS_INFO带颜色的输出输出绿色:ROS_INFO("\033[1;32m----> Feature Extraction Started.\033[0m");

2020-07-07 16:40:16

Git::取消跟踪文件&&重新跟踪

取消跟踪文件&&重新跟踪如果修改了.gitignore文件,那么需要进行如下操作:git rm -rf --cached .git add ./*

2020-06-11 18:55:10

Linux::通过echo写二进制文件(16进制)

1.简单用法[推荐]echo 001122334455 | xxd -r -ps > test // 6 个字节xxd // xxd 命令用于用二进制或十六进制显示文件的内容-r // 把xxd的十六进制输出内容转换回原文件的二进制内容-ps // 以 postscript的连续十六进制转储输出,这也叫做纯十六进制转储2.朴素用法echo -e -n "\x11\x22" > test // 2 个字节-e // 表...

2020-06-03 00:01:03

SLAM::g2o安装和使用

g2o安装和使用安装依赖sudo apt-get install libeigen3-dev libsuitesparse-dev qtdeclarative5-dev qt5-qmake下载源码git clone https://github.com/RainerKuemmerle/g2o.git开始编译cd g2omkdir buildcd buildcmake ..make安装sudo make install安装成功之后,运行会出现链接动态库失败

2020-05-30 08:23:11

CMake::CMakeLists.txt基本语法及常用

CMakeLists.txt基本语法及常用常用变量:变量名 含义 PROJECT_NAME project命令中写的项目名 CMAKE_VERSION 当前使用CMake的版本 CMAKE_SOURCE_DIR 工程顶层目录,即入口CMakeLists文件所在路径 PROJECT_SOURCE_DIR 同CMAKE_SOURCE_DIR CMAKE_BINARY_DIR 工程编译发生的目录,即执行cmake命令进行项目配置的目录,一般为buil

2020-05-29 10:02:19

ROS::同一个WorkSpace的Package相互调用

同一个WorkSpace的Package相互调用假设我有A_package : 这是一个自己写的库 B_package : 这是另外的可执行package目标在B_package中调用A_package中所实现的库A_package目录结构plus.h// plus.h#ifndef PLUS_H#define PLUS_H#include <iostream>class plus{public: plus();};#end.

2020-05-29 00:13:26

[转载]::Github进行fork后如何与原仓库同步

step 1、进入到本地仓库的目录。下面所有操作,如无特别说明,都是在你的本地仓库的目录下操作。比如我的本地仓库为/from-liujuanjuan-the-craft-of-selfteachingstep 2、执行命令git remote -v查看你的远程仓库的路径:如果只有上面2行,说明你未设置upstream(中文叫:上游代码库)。一般情况下,设置好一次upstream后就无需重复设置。step 3、执行命令git remote add upstream htt...

2020-05-28 09:32:19

Eigen::常用操作[转]

Opencv::Mat 与 Eigen互转Opencv::Mat转Eigen#include <Eigen/Dense>#include <iostream>#include <opencv2/core/eigen.hpp>#include <opencv2/opencv.hpp> using namespace std;usi...

2020-04-28 23:10:46

VSLAM::[手写VIO_课堂笔记]第四讲(下)_基于滑动窗口算法的VIO系统原理

1. 第四讲(下)_基于滑动窗口算法的VIO系统1.1. 滑动窗口算法1.1.1. 图的表示解释: (假设矩阵左上角元素索引(1,1))Λ1\Lambda_1Λ1​: (1,2)元素不为空, 表示第1个顶点与第2个顶点之间的残差r12r_{12}r12​与顶点1\2有关系Λ2\Lambda_2Λ2​: (1,3)元素不为空, 表示第1个顶点与第3个顶点之间的残差r13r_{...

2020-02-11 22:16:45

VSLAM::[手写VIO_课堂笔记]第四讲(上)_基于滑动窗口算法的VIO系统原理

1. 第四讲(上)_基于滑动窗口算法的VIO系统原理1.1. 高斯分布到信息矩阵1.1.1. SLAM问题的模型1.1.2. 举例上面省略了一些步骤∑11=Conv(x1,x1)=E([x1−E(x1)]2)\begin{aligned} \sum_{11}=Conv(x_1,x_1)=E([x_1-E(x_1)]^2)\end{aligned}11∑​=Conv...

2020-02-11 22:09:47

VSLAM::[手写VIO_课堂笔记]第三讲(上)_基于优化的IMU与视觉信息融合(最小二乘问题)

1. 第三讲(上)_基于优化的IMU与视觉信息融合(上)第三讲(上):(1)最小二乘问题的求解推导(2)其中有LM算法的相关推导以及鲁棒核函数的推导1.1. 最小二乘与非线性优化1.1.1. 最小二乘1.1.2. 非线性最小二乘1.1.2.1. LM算法增量ΔX\Delta XΔX表达式推导求解如下:(JTJ+μI)ΔX=−JTf⟹(VΛVT+μI)...

2020-02-08 23:26:45

Eigen::关于旋转(旋转向量\旋转矩阵\四元数\欧拉角)的初始化和转换以及应用

Eigen::关于旋转(旋转向量\旋转矩阵\四元数\欧拉角)的初始化和转换以及应用code:#include <iostream>#include <eigen3/Eigen/Core>#include <eigen3/Eigen/Geometry>using namespace std;using namespace Eigen;i...

2020-02-08 18:19:41

VSLAM::[手写VIO_课堂笔记]第二讲_IMU测量模型+误差模型+运动模型&&欧拉角微分推导

1. 第二讲_IMU相关内容1.1. 旋转运动学1.1.1. 运动半径rrr对θ\thetaθ的求导,再写成矩阵形式下图中:半径a和高度h固定\color{red}{下图中:半径a和高度h固定}下图中:半径a和高度h固定从结果可以看到,矩阵形式的导数表示可以写成矩阵形式ω×r\omega \times rω×r,左侧为反对称矩阵w1.1.2. 考虑更复杂的情况,假设旋转坐标系下的...

2020-02-07 22:16:44

VSLAM::[手写VIO_课堂笔记]第一讲_预备知识

1. 四元数的基本运算主要运算四元数乘法乘法性质满足结合律不满足交换律乘积的模等于模的乘积乘积的逆等于各个四元数的逆以相反的顺序相乘其他运算*四元数部分参考:旋转矩阵、欧拉角、四元数理论及其转换关系2. 四元数与旋转向量简单来说,四元数的思想就是把方向余弦矩阵的三次旋转表示为只绕一个旋转轴旋转一次完成,因此可以用4个数来表示这个过程,其中包...

2020-02-06 22:51:39

IMU&GPS融合定位::IMU姿态解算

姿态解算1. 背景姿态解算是飞控的一个基础、重要部分,估计出来的姿态会发布给姿态控制器,控制飞行平稳,是飞行稳定的最重要保障。另外,姿态解算不仅仅用于无人机领域,无人车领域也需要进行姿态解算,用以进行GNSS和IMU、激光点云的融合定位。2. 主要内容传感器基本原理坐标系描述姿态的几种表示方式姿态解算的基本算法3. 传感器基本原理不展开,推荐以下参考:AHRS姿态解...

2019-11-16 21:36:47

查看更多

勋章 我的勋章
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 1024勋章
    1024勋章
    #1024程序员节#活动勋章,当日发布原创博客即可获得
  • 勤写标兵Lv1
    勤写标兵Lv1
    授予每个自然周发布1篇到3篇原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。