
简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
本文介绍了基于误差状态卡尔曼滤波(ESKF)的IMU与GPS融合定位方法。首先阐述了IMU测量模型和航迹推算原理,包括加速度/角速度测量公式和积分方法。其次概述了GPS定位的精度影响因素及常见坐标系转换。重点推导了ESKF算法的实现过程,包括名义状态变量与误差状态变量的定义、运动方程建立等关键步骤。该方法将IMU的高频局部定位与GPS的低频绝对定位相结合,通过分离状态传播与噪声处理,简化了计算过程
机器人自主建图有很多方式,比如基于位置边界的map-explore,基于快速搜索树的rrt-explore,指定区域自主探索建图frontier-explore,这几种方法各有优劣,博主接下来将对每种方法进行简单介绍、使用实现,和比较测评explore-lite提供了贪婪的基于边界的探索。当节点运行时,机器人会贪婪地探索它的环境,直到找不到边界,它的移动命令会发送至move-base节点。expl
ROS中级操作学习笔记,gazebo的机器人描述格式和简单的一些操作
本文介绍了5中ROS中常见的激光SLAM建图方法,其中最为常用的是gmapping_slam,另外,我们在激光SLAM使用讲解过程中,一并对如何保存地图、加载地图、地图数据格式进行了简要说明,这涉及到一个重要节点map_server。另外,虽然我们对这些算法的原理和参数没有进行详尽的说明,但我们在文章目录前言一、gmapping二、hector三、google总结
基于MATLAB的数字图像处理的第六章·形态学图像处理,简单了解图像腐蚀和膨胀、开运算和闭运算
SLAM问题常规的解决思路有两种,一种是基于滤波器的状态估计,围绕着卡尔曼滤波展开;另一种则是基于图论(因子图)的状态估计,将SLAM问题建模为最小二乘问题,而且一般是非线性最小二乘估计去求解。非线性最小二乘有多种解法,本篇博客介绍梯度下降法系列求解最小二乘问题。非线性最小二乘的一般形式如下:其中是非线性函数,表示协方差矩阵%5Calpha。
SLAM问题常规的解决思路有两种,一种是基于滤波器的状态估计,围绕着卡尔曼滤波展开;另一种则是基于图论(因子图)的状态估计,将SLAM问题建模为最小二乘问题,而且一般是非线性最小二乘估计去求解。非线性最小二乘有多种解法,本篇博客介绍列文伯格-马夸尔算法及其变种(狗腿算法)求解最小二乘问题。
上一篇文章介绍了RRT自主建图算法的原理、使用步骤、仿真实验,但是在从ROSWIKI上下载下拉RRT包和例程后,直接编译会产生很多错误,而且这个包官方给出的原话是在Indigo和Kinecit上编译通过,像博主这种系统是ubuntu20.04的noetic系统,一编译就报了很多错。这篇文章,就用来总结一下报错以及处理方法,让更多小伙伴可以将这个包使用到自己的仿真环境以及真实机器人上。
对四轮差速小车、麦克纳姆轮小车以及两轮差速小车运动学模型的学习总结。
dynamic_reconfigure配置是ROS中为了方便用户对程序中的参数进行实时调整而推出的工具,配置好自己的dynamic_reconfigure文件后,可以很方便的使用ROS提供的rqt_reconfigure工具对程序的参数进行合理调整,以获得最优的性能。例如:move_base中就针对costmap、planner等设置了很多动态调整的参数,可以方便用户在使用过程中调整得到合适的参数