史上最全slam从零开始-总目录

如何从零开始系统化学习视觉SLAM? 由于显示格式问题,建议阅读原文:如何从零开始系统化学习视觉SLAM? 什么是SLAM? SLAM是 Simultaneous Localization And Mapping的 英文首字母组合,一般翻译为:同时定位与建图、同时定位与地图构建。虽然听起来比较拗口,但SLAM却是三维视觉的核心技术,广泛应用于AR、自动驾驶、智能机器人、无人机等前沿热门领域。可以说凡是具有一定行动能力的智能体都拥有某... 阅读详情
AI摘要

一系列教程详细解读SLAM基础、ORB-SLAM2和Cartographer源码,从零基础到高级概念,涵盖旋转平移矩阵、对极约束、SVD、Homography、卡尔曼滤波、图优化等内容,适合学习者逐步进阶。文章深入探讨了ORB-SLAM2的追踪、建图、闭环检测等模块,并对Cartographer的传感器数据处理、扫描匹配、后端优化进行了全面剖析。

讲解关于slam一系列文章主要分为以下几个板块,其中的序列号代表其学习难度,入门学员建议从01开始学习,相同序列号表示其难度相当
 
文末正下方中心提供了本人 联系方式, 点击本人照片即可显示 W X → 官方认证 {\color{blue}{文末正下方中心}提供了本人 \color{red} 联系方式,\color{blue}点击本人照片即可显示WX→官方认证} 文末正下方中心提供了本人联系方式,点击本人照片即可显示WX→官方认证
 

零、SLAM基础知识解读–>难度系数00

学习者预备条件:高数,线性代数,矩阵运算。
    (01)史上最简SLAM零基础解读(1) - 旋转平移矩阵→欧式变换推导
    (02)史上最简SLAM零基础解读(2) - 对极约束→Essential矩阵、Fundamental矩阵推导
    (03)史上最简SLAM零基础解读(3) - 白话来说SVD奇异值分解(1)→原理推导与奇异值求解举例
    (04)史上最简SLAM零基础解读(3) - 白话来说SVD奇异值分解(2)→超定方程求解,最小奇异值特征为最优解
    (05)史上最简SLAM零基础解读(4) - 单应性Homography →公式推导与细节理解
    (06)史上最简SLAM零基础解读(5) - Homography,Fundamental,Essential深入浅出→了解适用场景:共面、非共面、仅旋转
    (07)史上最简SLAM零基础解读(6) - 卡方分布(chi-square distribution)和()卡方检验(Chi-Squared Test) → 理论讲解与推导
    (08)史上最简SLAM零基础解读(7) - Jacobian matrix(雅可比矩阵) → 理论分析与应用详解
    (09)史上最简SLAM零基础解读(8.1) - 旋转矩阵、旋转向量、欧拉角推导与相互转换
    (09)史上最简SLAM零基础解读(10.1) - g2o(图优化)→简介环境搭建(slam十四讲第二版为例)
    (10)史上最简SLAM零基础解读(10.2) - g2o(图优化)→顶点 (Vertex)编程细节
    (11)史上最简SLAM零基础解读(10.3) - g2o(图优化)→边(Edge)编程细节
    (12)史上最简SLAM零基础解读(10.4) - g2o(图优化)→示例代码讲解(slam十四讲第二版为例)
 

一、卡尔曼家族从零解剖(Bayesian、Partical、EKF、ESKF、IEKF等)–>难度系数01

学习者预备条件: 高数、线性代数、概率论与数理统计、矩阵运算。

二、ORB-SLAM2源码无死角解析–>难度系数02

学习者预备条件: c++编程,linux命令行操作,高数,线性代数,矩阵运算。
    (00)(01)ORB-SLAM2源码无死角解析-(00) 目录_最新无死角讲解
    (01)(01)ORB-SLAM2源码无死角解析-(01) 环境搭建,demo运行,ROS一键安装_清除各种疑难杂症
    (02)(01)ORB-SLAM2源码无死角解析-(02) C++命名规范_总体框架解读
    (03)(01)ORB-SLAM2源码无死角解析-(03) ORB_SLAM2::System之初构造函数解读
    (04)(01)ORB-SLAM2源码无死角解析-(04) 单目追踪_总体框架讲解TrackMonocular→GrabImageMonocular
    (05)(01)ORB-SLAM2源码无死角解析-(05) Tracking::Tracking()与 Frame::Frame()
    (06)(01)ORB-SLAM2源码无死角解析-(06) 图像金字塔_ORB特征点
    (07)(01)ORB-SLAM2源码无死角解析-(07) ORBextractor::operator()→构建图像金字塔
    (08)(01)ORB-SLAM2源码无死角解析-(08) ORBextractor::operator()→FAST关键点提取
    (09)(01)ORB-SLAM2源码无死角解析-(09) ORBextractor::operator()→FAST关键点均匀化
    (10)(01)ORB-SLAM2源码无死角解析-(10) ORBextractor::operator()→灰度质心法
    (11)(01)ORB-SLAM2源码无死角解析-(11) ORBextractor::operator()→BRIEF描述子
    (12)(01)ORB-SLAM2源码无死角解析-(12) 图像、特征点、关键点去畸变)
    (13)(01)ORB-SLAM2源码无死角解析-(13) 追踪总体框架讲解→Tracking::Track()
    (14)(01)ORB-SLAM2源码无死角解析-(14) 地图初始化→单目初始化MonocularInitialization():尺度不确定性
    (15)(01)ORB-SLAM2源码无死角解析-(15) 单目初始化MonocularInitialization()→Initializer
    (16)(01)ORB-SLAM2源码无死角解析-(16) 单目初始化Initializer→八点发求解Homography矩阵
    (17)(01)ORB-SLAM2源码无死角解析-(17) 单目初始化Initializer→八点发求解Fundamental矩阵
    (18)(01)ORB-SLAM2源码无死角解析-(18) SVD奇异值分解→求解Homography,Fundamental矩阵,了解矩阵自由度
    (19)(01)ORB-SLAM2源码无死角解析-(19) 重投影误差,卡方检验→CheckFundamental,CheckHomography
    (20)(01)ORB-SLAM2源码无死角解析-(20) 分解Homography,恢复Rt→Faugeras SVD-based decomposition
    (21)(01)ORB-SLAM2源码无死角解析-(21) 基本矩阵Fundamental→本质矩阵Essential 分解恢复 Rt
    (22)(01)ORB-SLAM2源码无死角解析-(22) 特征点三角化、深度计算、三维点筛选
    (23)(01)ORB-SLAM2源码无死角解析-(23) 单目SFM地图初始化→CreateInitialMapMonocular()-总体流程
    (24)(01)ORB-SLAM2源码无死角解析-(24) 单目SFM地图初始化→CreateInitialMapMonocular()-细节分析:尺度不确定性
    (25)(01)ORB-SLAM2源码无死角解析-(25) 关键帧KeyFrame→判断系统目前是否需要关键帧
    (26)(01)ORB-SLAM2源码无死角解析-(26) 关键帧KeyFrame→如何创建、插入关键帧
    (27)(01)ORB-SLAM2源码无死角解析-(27) 共视图、本质图、拓展图
    (28)(01)ORB-SLAM2源码无死角解析-(28) 双目Stereo相机立体匹配,SAD算法→深度求解
    (29)(01)ORB-SLAM2源码无死角解析-(29) ORB特征匹配→ORBmatcher,汉明距离(单目初始化为例)
    (30)(01)ORB-SLAM2源码无死角解析-(30) ORB特征匹配→词袋BoW(bag of words):简介,优劣势分析
    (31)(01)ORB-SLAM2源码无死角解析-(31) ORB特征匹配→词袋BoW:BRIEF描述子转BoW向量
    (32)(01)ORB-SLAM2源码无死角解析-(32) ORB特征匹配→跟踪线程BoW加速匹配,关键帧特征点跟踪SearchByBoW()
    (33)(01)ORB-SLAM2源码无死角解析-(33) ORB特征匹配→局部建图BoW加速匹配,三角化SearchForTriangulation
    (34)(01)ORB-SLAM2源码无死角解析-(34) 跟踪线程→初步了解跟踪线程,参考关键帧追踪TrackReferenceKeyFrame()
    (35)(01)ORB-SLAM2源码无死角解析-(35) 跟踪线程→恒速模型跟踪当前普通帧TrackWithMotionModel()
    (36)(01)ORB-SLAM2源码无死角解析-(36) 跟踪线程→跟踪丢失后,重定位跟踪 Relocalization()
    (37)(01)ORB-SLAM2源码无死角解析-(37) EPnP 算法原理详解→理论基础一:控制点选取、透视投影约束
    (38)(01)ORB-SLAM2源码无死角解析-(38) EPnP 算法原理详解→理论基础二:分情况求得beta初始解
    (39)(01)ORB-SLAM2源码无死角解析-(39) EPnP 算法原理详解→理论基础三:高斯牛顿迭代
    (40)(01)ORB-SLAM2源码无死角解析-(40) EPnP 算法原理详解→理论基础四:QR分解(豪斯霍尔德变换)
    (41)(01)ORB-SLAM2源码无死角解析-(41) EPnP 源代码分析(1)→PnPsolver总体流程与思路
    (42)(01)ORB-SLAM2源码无死角解析-(42) EPnP 源代码分析(2)→compute_pose():控制点选取,系数计算
    (43)(01)ORB-SLAM2源码无死角解析-(43) EPnP 源代码分析(3)→find_betas_approx(),gauss_newton()
    (44)(01)ORB-SLAM2源码无死角解析-(44) EPnP 源代码分析(4)→PnPsolver::qr_solve():QR分解
    (45)(01)ORB-SLAM2源码无死角解析-(45) EPnP 源代码分析(5)→ICP 求解相机位姿
    (46)(01)ORB-SLAM2源码无死角解析-(46) 跟踪线程→局部地图跟踪TrackLocalMap():局部地图更新
    (47)(01)ORB-SLAM2源码无死角解析-(47) 跟踪线程→局部地图跟踪TrackLocalMap():局部地图点过滤
    (48)(01)ORB-SLAM2源码无死角解析-(48) 不同跟踪方法的对比、梳理完整跟踪流程→Tracking::Track()
    (49)(01)ORB-SLAM2源码无死角解析-(49) 局部建图线程→流程以及处理新关键帧:ProcessNewKeyFrame()
    (50)(01)ORB-SLAM2源码无死角解析-(50) 局部建图线程→MapPointCulling,CreateNewMapPoints
    (51)(01)ORB-SLAM2源码无死角解析-(51) 局部建图线程→SearchInNeighbors():融合重复地图点
    (52)(01)ORB-SLAM2源码无死角解析-(52) 局部建图线程→剔除关键帧KeyFrameCulling()、整体线程梳理
    (53)(01)ORB-SLAM2源码无死角解析-(53) 闭环线程→了解闭环检测、主体框架讲解
    (54)(54)ORB-SLAM2源码无死角解析-(54) 闭环线程→闭环检测:寻找闭环候选关键帧 LoopClosing::DetectLoop()
    (55)(01)ORB-SLAM2源码无死角解析-(55) 闭环线程→计算Sim3:总体流程讲解ComputeSim3()
    (56)(01)ORB-SLAM2源码无死角解析-(56) 闭环线程→计算Sim3:理论推导(1)求解s,t
    (57)(01)ORB-SLAM2源码无死角解析-(57) 闭环线程→计算Sim3:理论推导(2)求解R,使用四元数
    (58)(01)ORB-SLAM2源码无死角解析-(58) 闭环线程→计算Sim3: 源码Sim3Solver::iterate()讲解
    (59)(01)ORB-SLAM2源码无死角解析-(59) 闭环线程→闭环矫正: CorrectLoop→位姿传播,地图点矫正
    (60)(01)ORB-SLAM2源码无死角解析-(60) 闭环线程→闭环矫正: CorrectLoop→地图点融合、共视关系更新
    (61)(01)ORB-SLAM2源码无死角解析-(61) 闭环线程→闭环矫正: CorrectLoop→全代码注释
    (62)(01)ORB-SLAM2源码无死角解析-(62) BA优化(g2o)→追踪线程:Optimizer::PoseOptimization→仅位姿优化
    (63)(01)ORB-SLAM2源码无死角解析-(63) BA优化(g2o)→局部建图线程:Optimizer::LocalBundleAdjustment→位姿与地图点优化
    (64)(01)ORB-SLAM2源码无死角解析-(64) BA优化(g2o)→闭环线程:Optimizer::OptimizeSim3→Sim3变换优化
    (65)(01)ORB-SLAM2源码无死角解析-(65) BA优化(g2o)→闭环线程:Optimizer::OptimizeEssentialGraph→本质图优化
    (66)(01)ORB-SLAM2源码无死角解析-(66) BA优化(g2o)→闭环线程:Optimizer::GlobalBundleAdjustemnt→全局优化
 

三、Cartographer源码无死角解析->难度系数03

郑重声明:该系列博客为本人 ( W e n h a i Z h u ) 独家私有 , 禁止转载与抄袭 , 首次举报有谢 ! \color{red}郑重声明:该系列博客为本人(WenhaiZhu)独家私有,禁止转载与抄袭,首次举报有谢! 郑重声明:该系列博客为本人(WenhaiZhu)独家私有,禁止转载与抄袭,首次举报有谢!
 学习者预备条件一的基础,即学习完 ORB-SLAM2源码无死角解析 课程即可。
    (00)(02)Cartographer源码无死角解析-(00)目录_最新无死角讲解
    (01)(02)Cartographer源码无死角解析-(01) 环境搭建,demo运行,ROS一键安装_清除各种疑难杂症
    (02)(02)Cartographer源码无死角解析-(02) ROS基础讲解→记录编译过程及常用指令
    (03)(02)Cartographer源码无死角解析-(03) 新数据运行与地图保存、加载地图启动仅定位模式
    (04)(02)Cartographer源码无死角解析-(04) 熟悉bag文件,配置.launch与.lua文件,初步调参
    (05)(02)Cartographer源码无死角解析-(05) 程序运行常见错误与解决→模拟错误
    (06)(02)Cartographer源码无死角解析-(06) 参数详解与备注→调参查阅使用
        待写…
    (09)(02)Cartographer源码无死角解析-(09) gflags与glog简介、及其main函数讲解
    (10)(02)Cartographer源码无死角解析-(10) 配置文件加载1→主体框架分析LoadOptions()
    (11)(02)Cartographer源码无死角解析-(11) 配置文件加载2→LuaParameterDictionary使用
    (12)(02)Cartographer源码无死角解析-(12) Node类初探→构造函数与开始轨迹
    (13)(02)Cartographer源码无死角解析-(13) Node::AddTrajectory()→位姿估算器与采样器
    (14)(02)Cartographer源码无死角解析-(14) Node::AddTrajectory()→订阅话题与注册回调函数
    (15)(02)Cartographer源码无死角解析-(15) Node::AddTrajectory()→回调函数之数据流向分析
    (16)(02)Cartographer源码无死角解析-(16) SensorBridge→Rigid3(刚体变换)
    (17)(02)Cartographer源码无死角解析-(17) SensorBridge→里程计数据处理与TfBridge分
    (18)(02)Cartographer源码无死角解析-(18) SensorBridge→landmark与Imu的数据处理
    (19)(02)Cartographer源码无死角解析-(19) SensorBridge→雷达点云数据帧处理与坐标系变换(涉及函数重载)
    (20)(02)Cartographer源码无死角解析-(20) MapBuilder→MapBuilder()构造函数
    (21)(02)Cartographer源码无死角解析-(21) MapBuilder→AddTrajectoryBuilder()
    (22)(02)Cartographer源码无死角解析-(22) 传感器数据分发→CollatedTrajectoryBuilder
    (23)(02)Cartographer源码无死角解析-(23) 传感器数据类型自动推断与数据利用率计算
    (24)(02)Cartographer源码无死角解析-(24) Collator类与数据队列OrderedMultiQueue简介
    (25)(02)Cartographer源码无死角解析-(25) 阻塞队列BlockingQueue,与OrderedMultiQueue成员函数
    (26)(02)Cartographer源码无死角解析-(26) OrderedMultiQueue::Dispatch()→数据排序分发
    (27)(02)Cartographer源码无死角解析-(27) 数据订阅、变换、排序、转发→总体复盘
    (28)(02)Cartographer源码无死角解析-(28) GlobalTrajectoryBuilder构建过程与数据转发前后端
    (29)(02)Cartographer源码无死角解析-(29) LocalTrajectoryBuilder2D::AddRangeData()→多雷达数据时间同步
    (30)(02)Cartographer源码无死角解析-(30) LocalTrajectoryBuilder2D::AddRangeData()→激光雷达运动畸变较正
    (31)(02)Cartographer源码无死角解析-(31) LocalTrajectoryBuilder2D::AddRangeData()→点云数据重力对齐,Z轴过滤
    (32)(02)Cartographer源码无死角解析-(32) LocalTrajectoryBuilder2D::AddRangeData()→点云的体素滤波
    (33)(02)Cartographer源码无死角解析-(33) LocalTrajectoryBuilder2D: 点云数据流向、处理、消息发布等→流程复盘
    (34)(02)Cartographer源码无死角解析-(34) LocalTrajectoryBuilder3D→3D点云数据处理,大致流程梳理
    (35)(02)Cartographer源码无死角解析-(35) PoseExtrapolator→接口解剖,学会框架分析与架构设计
    (36)(02)Cartographer源码无死角解析-(36) PoseExtrapolator→AddImuData()、AddOdometryData()
    (37)(02)Cartographer源码无死角解析-(37) PoseExtrapolator→AddPose()、旋转向量(求导)变换成角速度
    (38)(02)Cartographer源码无死角解析-(38) PoseExtrapolator→AdvanceImuTracker()、ImuTracker姿态推断
    (39)(02)Cartographer源码无死角解析-(39) PoseExtrapolator→ExtrapolatePose()、ExtrapolatePosesWithGravity() 等成员函数
    (40)(02)Cartographer源码无死角解析-(40) PoseExtrapolator→整体框架复盘,作用与目的讲解
    (41)(02)Cartographer源码无死角解析-(41) 2D栅格地图→ActiveSubmaps2D
    (42)(02)Cartographer源码无死角解析-(42) 2D栅格地图→Submap、Submap2D、MapLimits
    (43)(02)Cartographer源码无死角解析-(43) 2D栅格地图→ValueConversionTables、Grid2D
    (44)(02)Cartographer源码无死角解析-(44) 2D栅格地图→ProbabilityGrid 与 ProbabilityToLogOddsInteger()
    (45)(02)Cartographer源码无死角解析-(45) 2D栅格地图→ProbabilityGridRangeDataInserter2D
    (46)(02)Cartographer源码无死角解析-(46) 2D栅格地图→RayToPixelMask()与贝汉明(Bresenham)算法
    (47)(02)Cartographer源码无死角解析-(47) 2D栅格地图→总体流程梳理与总结,及核心关键CastRays()讲解
    (48)(02)Cartographer源码无死角解析-(48) 2D点云扫描匹配→扫描匹配基本原理讲解,代码总体框架梳理AddAccumulatedRangeData()
    (49)(02)Cartographer源码无死角解析-(49) 2D点云扫描匹配→相关性暴力匹配1:SearchParameters
    (50)(02)Cartographer源码无死角解析-(50) 2D点云扫描匹配→相关性暴力匹配2:RealTimeCorrelativeScanMatcher2D
    (51)(02)Cartographer源码无死角解析-(51) 2D点云扫描匹配→ceres扫描匹配:CeresScanMatcher2D→平移旋转残差
    (52)(02)Cartographer源码无死角解析-(52) 2D点云扫描匹配→ceres扫描匹配:CeresScanMatcher2D→栅格地图残差
    (53)(02)Cartographer源码无死角解析-(53) 2D后端优化→位姿图优化理论(SPA)讲解、核型函数调用流程
    (54)(02)Cartographer源码无死角解析-(54) 2D后端优化→PoseGraphInterface、PoseGraph、PoseGraph2D::AddNode()
    (55)(02)Cartographer源码无死角解析-(55) 2D后端优化→ComputeLocalToGlobalTransform(),TrajectoryNode
    (56)(02)Cartographer源码无死角解析-(56) 2D后端优化→class MapById、ConstIterator、ConstTrajectoryIterator
    (57)(02)Cartographer源码无死角解析-(57) 2D后端优化→MapById::lower_bound()、PoseGraphData、TrajectoryConnectivityState
    (58)(02)Cartographer源码无死角解析-(58) 2D后端优化→ PoseGraph2D::AddNode()、PoseGraph2D::AppendNode()
    (59)(02)Cartographer源码无死角解析-(59) 2D后端优化→ 线程池: DrainWorkQueue()、AddWorkItem()
    (60)(02)Cartographer源码无死角解析-(60) 2D后端优化→ 线程池 Task 与 ThreadPool
    (61)(02)Cartographer源码无死角解析-(61) 2D后端优化→ComputeConstraintsForNode() 与 什么是约束-白话篇
    (62)(02)Cartographer源码无死角解析-(62) 2D后端优化→InitializeGlobalSubmapPoses()子图全局位姿的来龙去脉
    (63)(02)Cartographer源码无死角解析-(63) 2D后端优化→PoseGraph2D::ComputeConstraint()计算约束
    (64)(02)Cartographer源码无死角解析-(64) 2D后端优化→ConstraintBuilder2D、MaybeAddConstraint、MaybeAddGlobalConstraint
    (65)(02)Cartographer源码无死角解析-(65) 2D后端优化→DispatchScanMatcherConstruction()、ComputeConstraint()
    (66)(02)Cartographer源码无死角解析-(66) 2D后端优化→PrecomputationGridStack2D、SlidingWindowMaximum -构建多分辨率地图
    (67)(02)Cartographer源码无死角解析-(67) 2D后端优化→FastCorrelativeScanMatcher2D -分支定界算法(BranchAndBound)1
    (68)(02)Cartographer源码无死角解析-(68) 2D后端优化→FastCorrelativeScanMatcher2D -分支定界算法(BranchAndBound)2
    (69)(02)Cartographer源码无死角解析-(69) 2D后端优化→线程池深入追踪、问题、困惑梳理,知识点小结
    (70)(02)Cartographer源码无死角解析-(70) 2D后端优化→PoseGraph2D::RunOptimization()、OptimizationProblem2D初探,数据添加
    (71)(02)Cartographer源码无死角解析-(71) 2D后端优化→OptimizationProblem2D::Solve() - 优化准备工作,参数块
    (72)(02)Cartographer源码无死角解析-(72) 2D后端优化→OptimizationProblem2D-约束残差、landmark残差
    (73)(02)Cartographer源码无死角解析-(73) 2D后端优化→OptimizationProblem2D-landmark残差细节分析
    (74)(02)Cartographer源码无死角解析-(74) 2D后端优化→OptimizationProblem2D-里程计、local位姿、GPU残差
    (75)(02)Cartographer源码无死角解析-(75) 2D后端优化→整体复盘,理解后端优化核心
    (76)(02)Cartographer源码无死角解析-(76) ROS数据发布→3D点云地图、子图位姿、Landmark
    (77)(02)Cartographer源码无死角解析-(77) ROS数据发布→2D点云数据、tf、机器人tracking frame轨迹发布:
    (78)(02)Cartographer源码无死角解析-(78) ROS数据发布→子图内、子图间、约束与残差发布
    (79)(02)Cartographer源码无死角解析-(79) ROS服务→子图压缩与服务发送
    (80)(02)Cartographer源码无死角解析-(80) 核心要点→local坐标系、子图坐标系、切片坐标系、地图坐标系等相转换与联系:
    (81)(02)Cartographer源码无死角解析-(81) ROS栅格地图→服务接收子图、cairo图像绘详解、OccupancyGrid地图发布

 
 
 

ΓX-5m4ayzya4LN1mkΓ技术5G通信 阅读详情

相关推荐

从零开始的三维激光雷达SLAM教程第一讲(搭建运行环境,并跑Kitti数据集)

你也可以不安装opencv,删除src下的Kittihelper,我后面会使用将Kitti转ROSbag的方式制作数据集,然后山调scanRegistration文件中的包含的opencv头文件,因为根本没用到。其实网上直接就有很多rosbag,但是还是将Kitti数据集制作成rosbag,这样在其他SLAM算法中也可以使用对比,总规是要对比算法效果的。先从git上clone代码,使用了我常用的ghproxy代理下载,直接clone可能会有网络问题,当然也有很多其他办法。

qq_21043585的博客 4526

从零入门激光SLAM(一)——什么是SLAM

SLAM的全称是Simultaneous Localization and Mapping即时定位与地图构建,为解决机器人自主导航的问题。人在一个未知的环境下也不知如何行进,我们闭着眼睛也不知道怎么走路,机器人如人一样,也需要一个“眼睛”与环境之间交互知道自己的位置,并且能够建立一个地图来让机器人自主导航。如下图所是,相机相当于我们的眼睛,激光雷达像是成千上万个很长的拐棍去勘测障碍物,地图相当于我们日常用的导航地图。机器人有了这些东西就可以进行走路(决策、规划、控制)。

HUASHUDEYANJING的博客 4万+

从零开始跑ORB_SLAM2(三) 使用Realsense D435相机跑ORB_SLAM2生成稀疏点阵

前期准备 从零开始跑ORB_SLAM2(零) 安装Ubuntu16.04 LTS 从零开始跑ORB_SLAM2(一) 前期准备与环境配置 从零开始跑ORB_SLAM2(二) 配置ROS Kinenit环境并测试Realsense D435相机 工作环境 PC:i5-8265U 8GRAM 核显 弟弟CPU 相机:Intel-Realsense D435 环境:Ubuntu16.04 LTS+ RO...

小小的手心 9029

SLAM从入门到精通(基本SLAM框架)

【 声明:版权所有,欢迎转载,请勿用于商业用途。 联系信箱:feixiaoxing @163.com】 SLAM是机器人的一个分支。广义上来说,机器人还包括了计算机视觉、语音识别、自然语言处理、机械臂控制、运动控制、机器人导航、机器人调度等很多分支领域。而SLAM解决的问题则是最基本的问题,归纳起来就是两句话,第一,这是什么地方;第二,我在哪。当然要想解决这个问题,我们就必须要一定的传感器输入,通过算法计算,最终输出自己的位姿信息。这是直觉上最容易想到的办法。 1、基本SLAM方

嵌入式-老费,一个分享专业嵌入式知识的blog 4687

从零开始学习SLAM

最近6个月开始学习SLAM,就一步步把资源的lian jie

读博记事本 9857

从零开始一起学习SLAM | 为什么要学SLAM?

在《零基础小白,如何入门计算机视觉?》中我提到过,计算机视觉的研究目前主要分为两大方向:基于学习的方法和基于几何的方法。其中基于学习的方法最火的就是深度学习,而基于几何方法最火的就是视觉SLAM。 SLAM将成为计算机视觉的下一个风口 在前几年计算机视觉的三大顶级会议(CVPR,ICCV,ECCV)上,几乎全是深度学习的研究,而这样的情况在这两年出现了新的变化:在2018年计算机视觉国际...

计算机视觉life 3225

如何学习SLAM(超级全面)

PS:原文出自我的知乎文章https://zhuanlan.zhihu.com/p/462607330 由于SLAM是一个错综复杂的研究领域,涉及到非常多的关键技术。这里先讲讲学习方法论,然后对一些关键性概念(包括SLAM、ROS、SLAM移动机器人)进行分析,最后给出典型应用案例方便大家进行实战。 0.学习方法论 关于SLAM学习方法论,我觉得可以用"螺旋上升"这四个字来概括,大家可以根据自己的喜好和实际基础,选择从理论或者代码开始看。下面假设先从理论开始学习,当然从代码开始学习也是类似的。 第1

小虎哥哥爱学习-CSDN 2万+

从零开始一起学习SLAM | SLAM有什么用?

SLAM是 Simultaneous Localization And Mapping的 英文首字母组合,一般翻译为:同时定位与建图、同时定位与地图构建。 「同时定位与地图构建」这几个词,乍一听起来非常拗口,为了不在一开始就吓跑读者,我们先不对其进行专业的解释,用一个日常生活中形象的例子来进行说明。 初 步 认 识 S L A M 我们知道现在有不少家用的扫地机器人,可以代替人对室内进行自动清扫。...

计算机视觉life 3364

SLAM入门一----视觉SLAM概述

视觉SLAM系统主要有五部分组成,分别是视觉传感器模块、前端模块、后端模块、闭环模块和建图模块,本文章主要初步介绍各个模块,后续将进一步展开。

coder_links的博客 6211

从零开始搭二维激光SLAM --- 前言

我眼中的SLAM 从最开始接触SLAM已经3年了,从二维激光SLAM到三维激光SLAM,再到视觉SLAM,都有一些接触,现将简单梳理一下SLAM的各个模块的功能以及实现方式,为本系列文章起到个总领作用。 1 SLAM是什么 SLAM(simultaneous localization and mapping)的中文翻译为 同步定位与地图构建。目的有2个,一个是进行定位,一个是进行周围环境的地图的构建,二者相互依赖,只有同时进行求解才能够解决这个问题。 为什么一定要同时进行求解呢? 人通过眼睛,通过手部等肢体

李想的博客 3805

从零开始的ROS学习之仿真+SLAM

首先,为了避免每次新终端都要注册先在 ~/.zshrc 注册一下 vim ~/.zshrc #最后一行加上,注意换成你自己的工作目录XXX/devel/setup.zsh,如果你的终端是bash,那么为XXX/devel/setup.bash source ~/workspace/slam_learn/devel/setup.zsh source ~/.zshrc 下载功能包 导航元功能包 sudo apt-get install ros-melodic-navigation slam

u011612364的博客 3135

从零开始一起学习SLAM | 学习SLAM到底需要学什么?

SLAM涉及的知识面很广,我简单总结了 “SLAM知识树” 如下所示: (公众号菜单栏回复 “树” 可获得清晰版) 可以看到涉及的知识面还是比较广的。这里放出一张SLAM圈子里喜闻乐见的表达悲喜交加心情的漫画图,大家可以感受一下: 每个学SLAM的小伙伴可以说都是冒着“头顶凉凉”的巨大风险,勇气可嘉。下面结合SLAM知识树展开具体说说。 编程环境 首先先说电脑环境和编程。 1、...

计算机视觉life 6万+

史上最全的动态环境下SLAM论文汇总!(值得收藏)

把现目前几乎所有的动态slam博客和论文都进行了整理。

lemaden520的博客 2444

从零开始搭二维激光SLAM --- 序章

从17年3月开始接触SLAM,到现在已经3年了。虽然时间很长,但并不是所有时间都在单纯的搞SLAM。 17年3月,研二的时候选的课题题目,基于SLAM的室内移动机器人导航技术研究。之前并没有接触过SLAM,ROS等等。就连c++都是16年研一的时候学的(大一学过以后没再接触过)。之后开始学ROS,开始了解SLAM,还看了概率机器人这本书(当时基本没看懂)。 到了17年7月,去了安徽芜湖的一家公司实习,因为课题是这家公司给的。到了之后第一次接触机器人,小强机器人,学操作机器人,搭自己电脑的环境等等,用了2个月

李想的博客 4500

SLAM经典入门教程(入门)

经典的SLAM入门教程,以扩展卡尔曼滤波器为基础的SLAM算法理论,有条件可以看coursera相关课程。一共四讲,深入浅出解答了什么是SLAM的基本原理,并有配套作业和matlab代码,供测试。

ESXI 8.0.3 ubuntu 24.04 直通显卡P40

手把手,一步步教你直通GPU,ESXI 8.0.3 ubuntu 24.04 直通显卡P40

qq_36433118的博客 4687

零基础如何入门激光SLAM

杂谈 最近有几个人加我,都说是刚开始学激光slam,基本都是研一,情况也都差不多,有的是课题组里只有自己做slam,有的是完全没人带,自己也没有基础. 仔细想一想,其实入门slam真是个不容易的事. 首先,编程语言,大多数使用c++,少数用python,c++你得至少能写个小demo吧. 知道了如何写c++,还要准备编译环境吧,由于编译以及依赖等问题,做slam基本都用linux,还得知道如何使用ubuntu的命令行,知道怎么编译代码. 关于机器人相关的大部分代码都使用ros做接口,因为接口统一,使用方式统

李想的博客 2万+

近五年体内微/纳米机器人赋能肿瘤精准治疗综述:以 GBM 为重点

摘要 微/纳米机器人在实体瘤治疗领域展现出突破性潜力,通过主动运动能力解决传统纳米药物递送效率低、渗透不足等核心问题。2021-2025年间形成三条技术路线:1) 磁驱、声驱等运动增强递送实现深层渗透;2) 与免疫治疗融合实现原位免疫唤醒;3) 针对胶质母细胞瘤开发跨屏障递送系统。研究重点从单一运动性能转向"运动-分布-疗效"的系统评价,需建立标准化指标评估运动学参数、肿瘤分布均匀性和安全性。未来挑战在于临床转化的可制造性、闭环操控及生物相容性优化,特别是对血脑屏障穿透等复杂场景的系统集

AllenLV的博客 5262

从零入门激光SLAM系列——总目录与更新情况

从零入门激光SLAM(二)——Ubuntu基础_乌班图系统架构_桦树无泪的博客-CSDN博客从零入门激光SLAM(三)——什么是ROS_桦树无泪的博客-CSDN博客从零入门激光SLAM(四)——ROS C++编译基础_桦树无泪的博客-CSDN博客。

HUASHUDEYANJING的博客 2544

《AgentScope-Java 深入浅出教程》第1章 AgentScope-Java 简介

AgentScope-Java 是一个面向智能体的编程框架,专门用于构建基于大语言模型(LLM)的 AI 应用程序。│ 你的业务应用 ││ AgentScope-Java 框架 ││ │ 智能体 │ │ 工具 │ │ 记忆 │ │ 模型 │ ││ LLM 服务 (DashScope/OpenAI/...) │能力说明类比ReAct 推理让智能体能够"思考"并"行动"就像人类思考后再做事工具调用让智能体能够执行外部操作就像人使用计算器、搜索引擎记忆管理让智能体能够记住对话历史。

步子哥的博客 597

Neo4j:入门基础(二)之导入CSV文件

导入CSV文件的方式  主要的两种方式如下:   1、使用 Cypher 命令LOAD CSV,这种方式可以处理中小型数据(可达10 million条记录)   2、使用批量导入工具neo4j-admin ,用来直接导入大数据集 三、上述方式具体导入过程   1、Cypher 命令LOAD CSV 参数 1、USING PERIODIC COMMIT 300 使用批量提交,每满300条提交一次,防止内存溢出 2、WITH HEADERS 从文件中读取第一行作为参数名,...

Puzzle的博客 3万+
上一篇: (01)ORB-SLAM2源码无死角解析-(00)目录_最新无死角讲解
下一篇: (01)ORB-SLAM2源码无死角解析-(01) 环境搭建,demo运行,ROS一键安装_清除各种疑难杂症
江南才尽,年少无知!
江南才尽,年少无知! 领域专家: 人工智能技术领域 领域专家: 人工智能技术领域
博客等级 码龄8年 4万+粉丝 519原创
评论 6
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

江南才尽,年少无知!

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址