weixin_43891708的博客

原创 git配置以及git-cola使用教程

git安装打开终端，输入sudo apt-get install gitgit配置配置用户名git config --global user.name "user.name"配置邮箱git config --global user.email "user.email"创建公钥由于公司业务使用gitlab，我个人研究使用gitee，此处就直接介绍一种方法git配置多个ssh-key，兼容只有一个ssh-key的情况。此时user.email同上面配置不同邮箱时一致即可，要保证同gitee或

原创 NDT点云配准

一家之言，仅作分享，如有不合理或需要改进的地方，欢迎各位讨论。前言点云配准的方法有相关性扫描匹配，ICP，以及NDT。前两种在我之前的博客中已经有了简单介绍，相关性扫描匹配CSM与分支限界多种形式ICP问题的ceres实例应用这里将对NDT(Normal Distribution Transform)正态分布变化进行介绍。相比于ICP，NDT对比较差的初始值也可以完成更好的估计。一、与ICP、CSM的区别不论是ICP还是CSM，要想有更好的配准效果，就需要假设环境的大部分是不变的。但是实际中，

原创 K-Means聚类与DBSCAN的区别

一家之言，仅作分享，如有不合理或需要改进的地方，欢迎各位讨论。前言    聚类是无监督机器学习中的一种技术，它根据数据集中数据点可用信息的相似性将数据点分组到集群中。属于同一簇的数据点在某些方面彼此相似，而属于不同簇的数据项不同。一、K-Means原理    K-Means 是一种基于距离的聚类算法，将距离比较近的数据点看作相似的点，将它们归为一类。对于给定样本集，按照样本之间的距离大小，将样本集划分为KKK个簇。目标是

原创 相关性扫描匹配CSM与分支限界

一家之言，仅作分享，如有不合理或需要改进的地方，欢迎各位讨论。前言作者在先前激光SLAM项目中借鉴的是karto中的匹配方法相关性扫描匹配，在google的cartographer中的前端匹配方法也是相关性扫描匹配，但是利用了分支界定进行了加速。这篇博客将对CSM与分支界定进行介绍分享。...

原创 视觉SLAM--坐标、矩阵

一家之言，仅作分享，如有不合理或需要改进的地方，欢迎各位讨论。前言    本篇博客简单介绍坐标、矩阵几个基础知识。坐标将介绍世界坐标，相机坐标，图像坐标，像素坐标。矩阵将介绍旋转矩阵，位姿矩阵，内参矩阵，本质矩阵，基础矩阵，单应矩阵。一、坐标    这里我将通过将一个世界坐标系的三维点变换得到图像像素坐标的例子，分开介绍四种坐标。在环境中选择一个参考坐标系来描述摄像机和物体的位置，该坐标系称为世界坐标系，为三维坐

原创 SfM、VO和SLAM介绍

一家之言，仅作分享，如有不合理或需要改进的地方，欢迎各位讨论。前言    在自动驾驶地图定位模块的功能开发中，主要研究方向分为三种：建图、里程计、定位。建图是根据车辆传感器感知信息进行三维构建，不论是...

原创 大范围室外环境三维激光点云SLAM建图

一家之言，仅作分享，如有不合理或需要改进的地方，欢迎各位讨论。前言    在之前项目中为提高系统定位精度，开发激光SLAM建图方案。场景是城市道路，车辆装备RTK-GNSS，IMU和轮速计。离线SLAM建图过程是从三维激光点云中提取地面、中层和高层特征，分别建立同一场景的多层次二维地图，提高对复杂环境的适用性。在karto与cartographer的基础上进行了改进，结合大范围场景特殊性，新增GPS约束，有效减少离线建图过程中的定位累计误差，从而减少闭环时的搜索范

原创 半自动化轻量级众包地图技术方案

前言一家之言，仅作分享，如有不合理或改进的地方，欢迎各位讨论。方案简单却有效，仅是为了解决部分图商限制问题。    在高速领航辅助功能量产发布后，自动驾驶越来越向高阶发展，在这个过程中，高精度地图的重要性也越来越大。但是传统的高精度地图测绘方案存在一些问题，例如耗费大量人力，更新周期长，成本高等。因此，众包地图成为了各大图商技术攻破的一个难点。    众包地图的特点是依赖大量低精度传感器的实车路跑数据，进行车云数据传输，数

翻译 【论文阅读】AVP-SLAM Semantic Visual Mapping and Localization for Autonomous Vehicles in the Parking Lot

文章：AVP-SLAM: Semantic Visual Mapping and Localization for Autonomous Vehicles in the Parking Lot作者：Tong Qin, Tongqing Chen, Yilun Chen, and Qing Su前言：去年笔者之前在自研探索AVP方案时，阅读到秦通博士的一篇论文AVP-SLAM: Semantic Visual Mapping and Localization for Autonomous Vehicles

翻译 【论文阅读】RoadMap: A Light-Weight Semantic Map for Visual Localization towards Autonomous Driving

前言：笔者在探索城市众包地图方案时，阅读到秦通博士的一篇论文RoadMap: A Light-Weight Semantic Map for Visual Localization towards Autonomous Driving，认为整体思路清晰且技术方案高效合理，便对此做一篇【论文阅读】，以丰富自己弹药库。RoadMap：一种用于自动驾驶的视觉定位的轻量化语义地图摘要准确的定位对于自动驾驶而言是十分重要的。现今，可以在道路上看到很多传感器丰富的自动驾驶车辆（如Robo-taxi），它们装备着高

原创 GBFS，Dijkstra，A*路径规划比较与C++实例

图搜索的基本流程创建一个容器，一般称为openlist，用来存储将要访问的节点将起点加入容器开始循环：---- 弹出：从容器中取出一个节点---- 扩展：获取该节点周围的节点，将这些节点放入容器一、贪婪最佳优先算法（Greedy Best First Search, GBFS）GBFS中采用的openlist是一种优先队列（Priority Queue），在优先队列中元素被赋予了优先级，最高优先级元素优先删除。这里的优先级高低判断在路径规划中就是代价值。在图搜索算法中，使用代价函数f(n)

原创 GPS轨迹聚类算法TRACLUS介绍（四）

线段聚类LINE SEGMENT CLUSTERING这篇博客将说明TRACLUS算法的归组聚类阶段。首先，先讨论线段的密度属性；其次，介绍基于密度的聚类算法DBSCAN；然后，介绍计算线段聚类中代表性轨迹的方法；最后，介绍一中基于启发式的算法确定基于密度聚类算法的相关参数。1、线段密度1.1、距离函数回顾距离函数是三种距离的加权和。首先，垂直距离主要测量从不同轨迹中提取的线段之间的位置差。其次，平行距离主要测量从同一轨迹中提取的线段之间的位置差。在一个轨迹中，两个相邻的线段之间的平行距离始终为零。

原创 GPS轨迹聚类算法TRACLUS介绍（三）

前两篇博客对TRACLUS算法进行了综述和概要说明了该框架有两个阶段，分段和归组。这篇博客将详细对轨迹分段这一阶段进行说明。轨迹分段TRAJECTORY PARTITIONING1、相关属性

原创 GPS轨迹聚类算法TRACLUS介绍（二）

上一博客GPS轨迹聚类算法TRACLUS介绍（一）对TRACLUS算法进行了综述，这篇论文将进一步说明 TRACLUS算法。轨迹聚类TRAJECTORY CLUSTERING

原创 GPS轨迹聚类算法TRACLUS介绍（一）

GPS轨迹聚类算法TRACLUS介绍在自研众包地图方案过程中，作为主机厂，会获得大量的车辆GPS轨迹，这些轨迹信息可是众包地图的重要数据来源之一，整体策略是在图商的底图基础上再结合车辆GPS轨迹进行引导线更新。实际自动驾驶L4场景开发过程中发现：实车跑过的轨迹线远比算法生成的引导线合理，尤其是转弯掉头等场景引导线。这篇文章，将对论文 **Trajectory Clustering: A Partition-and-Group Framework（轨迹聚类：一种分段归组的框架）**做出解读。...

原创 高精度地图偏转基础知识

高精度地图偏转基础知识偏转基础知识首先，高精度地图在发布商用之前必须经过国家测绘局的加密偏转处理，此目的是为了保证国家安全。而对地图数据和应用软件的加密偏转处理是由国家自然资源部相关部门直接处理，其中的国家保密插件，也叫做加密插件或者加偏或者SM模组，其实就是对真实坐标系统进行人为的加偏处理。按照几行代码的算法，将真实的坐标加密成虚假的坐标，而这个加偏并不是线性的加偏，所以各地的偏移情况都会有所不同。而加密后的坐标也常被人称为火星坐标系统。这里，有几个概念需要简单说明：地球坐标：指WGS84坐标系

原创 RANSAC思想解决平面拟合问题

RANSAC思想解决平面拟合问题RANSAC（RANdom SAmple Consensus随机抽样一致），采用迭代的方式从一组包含离群的被观测数据中估算出数学模型的参数。它是一种不确定的算法——它有一定的概率得出一个合理的结果；为了提高概率必须提高迭代次数。从上述对RANSAC思想的解释，可以提取出以下几个关键点：要求解的是一个数学模型的参数；求解方式是迭代取最优；最优的评断的标准是计算出的数学模型可以满足更多的被观测数据；被观测数据集包含了内群点和离群点，离群点产生的原因是极端的噪声或错误

原创 Ceres解决实车SLAM后端优化问题

Ceres解决SLAM位姿图优化问题

原创 PCA主成分分析以及C++求解二维点法向量实例

原创 多种形式ICP问题的ceres实例应用

视觉SLAM–视觉里程计-ICP

原创 KDtree最近点查找C++用例

KDtree相关库nanoflann的应用在ICP求解运动估计问题中，首先要解决的就是特征关联问题，一般都是利用KD树进行最近邻（NN）搜索，即在点云集A中找出其中每个点在点云集B中的距离最近的点，以实现数据关联。与PCL中的KD树最近邻搜索相比，更推荐nanoflann方法，后者运行速度更快，且只需要包含少量头文件即可（nanoflann.hpp和nanoflann_utils.h）。nanoflann实例应用在source点云中，找出每一个特征点pisrcp^{src}_ipisrc​在targ

原创 视觉里程计-对极几何

视觉SLAM–视觉里程计-对极几何完成特征提取以及特征匹配后，将基于关联后的特征点对进行配准以完成相机运动估计。当相机为单目相机时，我们只知道 2D 的像素坐标，因而问题是根据两组 2D 点估计运动。该问题用对极几何来解决。...

原创 视觉SLAM--ORB特征简介

视觉SLAM中ORB特征简介特征点由关键点（Key-point）和描述子（Descriptor）两部分组成。其中，关键点是指该特征点在图像里的位置，有些特征点还具有朝向、大小等信息。描述子通常是一个向量，按照某种人为设计的方式，描述了该关键点周围像素的信息。描述子是按照“外观相似的特征应该有相似的描述子”的原则设计的。考虑到检测性能与特征质量的一种平衡，一般不使用质量很好但是性能消耗很高SIFT(尺度不变特征变换， ScaleInvariant Feature Transform)特征，而更多地是采用O

原创 c++ 基础操作（一）----- txt文件数据解析和生成txt文件代码

整理了一个c++ txt文件数据解析代码，和生成txt文件代码