相机拍照时可调整的参数

本文通过一个机器人穿越两间房和长走廊的完整案例，串联Hydra系统从输入帧到认知地图的全流程：TSDF建图、ESDF/GVD提取、Place与Object生成、Agent轨迹及Room层级，并重点演示重访时的回环检测与后端校正，最终实现稠密网格和场景图的全局一致。

本文介绍了自动驾驶速度平滑的核心概念与实现方法。主要内容包括： 速度平滑的必要性：解决急加速/刹车带来的不适感，满足车辆物理约束。 纵向运动三要素：速度(v)、加速度(a)、加加速度(jerk)，三者关系及积分公式。 弧长建模优势：将时间变量转换为空间变量，便于路径规划。 输入输出关系：基于参考轨迹的速度上限，生成物理可行的速度曲线。 实现流程：从轨迹截取、限速处理到最终平滑输出的完整链路。 关键

探讨双目视觉系统中影响深度计算精度的关键因素，主要包括基线长度、相机焦距（像素单位）、视差匹配精度和物体距离。

ICP、点云配准、Iterative Closest Point（迭代最近点）

图优化、slam

slam、紧耦合、松耦合

文章摘要：从大模型到空间智能——未来机器人的三层架构 本文探讨了机器人技术从传统感知向空间智能的范式转变。传统机器人虽具备SLAM等空间感知能力，但缺乏对世界的深度理解。作者提出未来机器人将具备三层智能架构：1）世界模型（预测物理规律），2）认知地图（空间记忆系统），3）VLA执行系统（视觉-语言-动作转换）。三者分别对应预测、记忆和行动功能，共同构成空间智能的核心。

本文提出了一种基于误差状态卡尔曼滤波（ESKF）的多传感器融合定位方法，针对直线运动的机器人系统设计了特殊约束条件。系统使用IMU、双摄像头和编码器数据，通过初始位姿校准、直线运动约束、视觉观测约束和零速修正等手段提高定位精度。重点推导了名义状态和误差状态的预测模型，并创新性地引入带小斜坡的平面约束(z=ax+c)和角速度约束(ω_x^w=ω_y^w=0)。通过合理设置过程噪声和观测噪声协方差，该

认知地图：hydra