摘要:基于 LiDAR 的里程计和建图在许多机器人应用中用于检索机器人在未知环境中的位置，并允许在 GPS 拒绝（例如，室内）环境中自主操作。 借助 3D LiDAR 传感器，可以实现高精度定位，从而实现高质量的环境 3D 重建。 在这封信中，我们通过利用有关环境中参考对象的先验知识来扩展众所周知的 LOAM 框架，以进一步提高定位精度。 这需要参考对象的已知 3D 模型及其在全局坐标系中的已知位

摘要：现有的同时定位和映射 (SLAM) 算法在具有挑战性的低纹理环境中并不稳健，因为只有很少的显着特征。 生成的稀疏或半密集地图也为运动规划传达了很少的信息。 尽管一些工作利用平面或场景布局进行密集地图正则化，但它们需要来自其他来源的良好状态估计。 在本文中，我们提出了实时单目平面 SLAM，以证明场景理解可以改善状态估计和密集映射，尤其是在低纹理环境中。 平面测量来自应用于每个图像的弹出式 3

ubuntu下打开终端输入:rosmsg show sensor_msgs/Imu查看sensor_msgs::Imu的数据格式:std_msgs/Header headeruint32 seqtime stamp// 时间戳string frame_idgeometry_msgs/Quaternion orientation// 姿态float64 xfloat64 yfloat64 zfloa

一种用于直线特征提取的递归算法 。IEPF效率高，被广泛应用于图像处理算法中。但在处理点云数据时，由于噪声点的存在，阀值的确定是一件比较困难的事情。

前言：李群李代数的引入，可以方便slam问题中对变换矩阵的求导，解决优化问题。1 李群李代数介绍由于空间中旋转和变换矩阵可以相乘构成物理意义上的闭环，正好对应了群的概念。群的性质如下：此处需要注意幺元并不是单位矩阵，只要符合幺元性质的代数结构，都是。李群是具有连续（光滑性质的群），由物体可在空间中连续变化的物理意义可知，正交群和欧式群都是李群。由于李群的性质中只有乘法没有加法，对旋转和变换的取极限

分为两部分,消息头和位姿:std_msgs/Header headergeometry_msgs/PoseWithCovariance poseheader部分:(1) unit32 seq# sequence ID: consecutively increasing ID(2)time stamp#Two-integer timestamp that is expressed as:# * st

ubuntu下打开终端输入:rosmsg show sensor_msgs/Imu查看sensor_msgs::Imu的数据格式:std_msgs/Header headeruint32 seqtime stamp// 时间戳string frame_idgeometry_msgs/Quaternion orientation// 姿态float64 xfloat64 yfloat64 zfloa

设置 VSCode 的默认缩进，由2个空格改为4个空格文件 -> 首选项 -> 设置 -> 输入框搜索 Tab Size，将 2 改为 4再点击 Editor: Detect Indentation取消勾选 Detect Indentation （中文意思是检测缩进）， Ctrl + S 保存即可以上两步即可完成缩进修改有时即使设置好了默认缩进，但在视觉上，还会是缩进两个空格以为是没有修改好，或者

关于下标访问/迭代器访问的速度进行了对比，关于迭代器访问时，不能改变容器容量的原理进行了说明

Ubuntu开机时无法进入图形化界面,遇到:welcome to emergency mode! After logging in, type "journalctl -xb"...如下图:ctrl+d修复也没用....解决办法:1.登录root账户(输入回车,进入命令行,显示当前是root用户,可不用再登录)2.在命令行执行 journalctl -xb 查看日志输出，搜索关键字”fsck fa