为了更好地理解graph based slam的过程，本文以二维平面的激光SLAM为例子，先简单介绍如何根据传感器信息构建图，即图优化的前端（front-end）。然后再针对上篇博客的疑问，结合matlab程序，分析图优化的后端（back-end）。       对于二维平面的激光SLAM，数据包括两部分，odometry和laser range data，所以构图过程如下：当机器

根据大家的要求，在此整合一下常用的几个数据集。我平时话太啰嗦了，这里就简单一些。（为啥编辑器的分隔线都这么萌）1. Tum数据集这个大家用的人都知道，RGB-D数据集，有很多个sequence，自带Ground-truth轨迹与测量误差的脚本（python写的，还有一些有用的函数）。有一些很简单(xyz, 360系列)，但也有的很难(各个slam场景)。由于它的目标场景是机

g2o全称general graph optimization，是一个用来优化非线性误差函数的c++框架。如果阅读了前几篇graph slam tutorial的博客，再去读《g2o：a general framework for(hyper) graph optimization》这篇论文将变得轻松随意。读完论文以后，再看看github里面g2o example的例程就能上手g2o了。

发现系统上报这个错误：/usr/bin/ld: 找不到 -ldhnetsdk经过仔细的定位，终于解决了，这里把思路梳理一下，做个总结。1）找到本地的libGL.so文件路径 ，在终端执行：locatelibdhnetsdk.so 命令；/usr/local/ahuasdk/libdhnetsdk.so2）建立链接：sudo ln -s /usr/local/ahuasdk/libdhnetsdk.

看到OpenCV2.3.1里面ORB特征提取算法也在里面了，套用给的SURF特征例子程序改为ORB特征一直提示错误，类型不匹配神马的，由于没有找到示例程序，只能自己找答案。（ORB特征论文：ORB： an efficient alternative to SIFT or SURF.点击下载论文）经过查找发现：描述符数据类型有是float的，比如说SIFT，SURF描述符，还有是ucha

上一期主要是将如何将navigation 在不同的硬件平台上跑起来,主要讨论的是软硬件接口与配置, 这一期主要着眼点在于通过主要算法原理讲解与参数解析,希望能彻底把一些应用上的问题讲清楚. 从移动机器人学的角度来看, ROS navigation package:两层规划模型global && local planner , costmap_2d 统一 环境表示模型, mo

发现系统上报这个错误：/usr/bin/ld: 找不到 -ldhnetsdk经过仔细的定位，终于解决了，这里把思路梳理一下，做个总结。1）找到本地的libGL.so文件路径 ，在终端执行：locatelibdhnetsdk.so 命令；/usr/local/ahuasdk/libdhnetsdk.so2）建立链接：sudo ln -s /usr/local/ahuasdk/libdhnetsdk.