版本号nvidia driver : 470cuda : 11.0cudnn : 8.0.1（对应cuda就好）OpenCV: 4.5这里安装的是C++版本，如果是安装python或者在虚拟环境下安装，可以参考这个更全的记录：https://waltpeter.github.io/open-cv-basic/install-opencv-with-contrib-ubuntu/index.html

这里是用ubuntu20.04,opencv4安装orbslam2的一点记录。报错信息经过搜索找到了对应的解决办法，在这里做一个笔记报错：FATAL_ERROR "OpenCV > 2.4.3 not found."的错误解决：将ORB_SLAM2/CMakeLists.txt中的opencv版本改成自己对应的版本报错：error: ‘CV_LOAD_IMAGE_UNCHANGED’ was

一. 地面点的提取1.动机：在LEGO-LOAM的实验数据中，有地面都是草坪的情况。对于这种地面，如果直接用LOAM，那么就会有一些边缘特征点落在草地上（因为草地的参差），这是拉了位姿估计的后腿的，结果会非常不稳定。2.缺点：LEGO-LOAM中用到的提取方法需要满足雷达水平安装，或者雷达倾斜安装但已知安装角度的前提。如果是手持设备，这个方法就不太可行，因为手持时不能保证雷达和地面一直都是平行的。

ORB-SLAM2的最大贡献就是把原来的系统扩展到了双目，rgbd上，这一篇也主要讲的是怎么使用双目或者深度相机的信息，以及他们和单目的区别。I.INTRODUCTIONPlace Recognition是SLAM中一个对回环很重要的模块，作用是：1）检测传感器是否返回已经建过图的区域。2）修正累计误差。 3）在追踪失败之后重新定位相机。单目SLAM的优缺点：优点：成本更低，传感器配置更简单缺点：

一. 问题定义首先需要清楚什么叫做PnP(Perspective-n-Point)呢？是为了解决什么问题？已知信息：给定的n个3D参考点{c1,c2,...,cn}\{c_1, c_2, ..., c_n\}{c1​,c2​,...,cn​}（假设在A坐标系下）和某相机的图像上2D投影点的{u1,u2,...,un}\{u_1, u_2, ..., u_n\}{u1​,u2​,...,un​}的匹

一. 基于多分辨率的range image1. RF-LIO: Removal-First Tightly-coupled Lidar Inertial Odometry in High Dynamic Environments利用的是多分辨率的range image。使用投影的range image的可见性来进行移动点识别。1）Fk+1F_{k+1}Fk+1​是当前关键帧，MkM_kMk​是对应

版本号nvidia driver : 470cuda : 11.0cudnn : 8.0.1（对应cuda就好）OpenCV: 4.5这里安装的是C++版本，如果是安装python或者在虚拟环境下安装，可以参考这个更全的记录：https://waltpeter.github.io/open-cv-basic/install-opencv-with-contrib-ubuntu/index.html