GTSAM 是一个在机器人领域和计算机视觉领域用于平滑（smoothing）和建图（mapping）的C++库。它与g2og2o不同的是，g2og2o采用稀疏矩阵的方式求解一个非线性优化问题，而GTSAM是采用因子图（factor graphs）和贝叶斯网络（Bayes networks）的方式最大化后验概率。GTSAM的安装：gtsam官网给出了 详细的安装过程，由于其依赖库比较少，安装起来比较

激光雷达slam之LOAM中的坐标转换与IMU融合需要用到的一些知识和假设：（1） 来源于 github中的讨论：由于IMU累积推算位置的误差大，程序中粗略地计算了IMU的位置漂移。_imuPositionShift = _imuCur.position - _imuStart.position - _imuStart.velocity * relSweepTime;上式成立...

最近想学习一下机器学习，看了一下大神们的帖子，决定还是先用Python学习一下机器学习，我用的是人民出版社的《机器学习实战》，Python版的，感觉应该比较容易入门。看到第二章，需要用到matplotlib模块，这个地方我删删减减的搞了半天，终于配置成功，所以发个帖子，希望大家少走弯路，一起进步一起学习！好了，废话不多说，咱们开始配置啦。我安装的是Python2.7，具体配置，参考我的上一篇博

今天有空，想看看点云配准4PCS算法，据说是一个高效鲁棒性很好的算法。闲话少说，还是记录一下我的安装过程吧。免得过段时间我又忘记了~~~~~~首先先说一下我的电脑配置：虚拟机安装ubuntu 14.04 LTS内存：2.1GB处理器：Intel® Core™ i5-4590 CPU @ 3.30GHz × 3 图形：Gallium 0.4 on SVGA3D; build: REL

参考地址：http://wiki.ros.org/message_filters1.概述message_filter是roscpp和rospy的一个应用库，他集中了一些滤波算法中常用的一些消息。当一个消息到来，在之后的一个时间点，该消息可能被返回或者不返回，将这样的一个过程或者容器理解为消息滤波器。一个典型的例子就是时间同步器，他从多个数据源采集不同类型的数据，只有

PCA主成分分析，是模式识别中常见的特征降维的算法，其大体步骤可以分为以下几个部分：（1）原始特征矩阵归一化处理（假设M和样本，每个样本n个特征，则对M*N的X数据，进行零均值化，即减去这一列的均值）（2）求取归一化处理后特征矩阵的协方差矩阵（3）计算协方差矩阵的特征值及其对应的特征向量（4）将特征向量按对应特征值大小从上到下按行排列成矩阵，取前k行组成矩阵P；（5）Y=PX即...

目录网上资料方案1方案2Lidar与IMU的相对旋转实现最近由于工作需要，花了几天时间了解激光与imu的标定方法；因为项目需要，且这里是个人认识的一个整理，所以并不会很深入很细致的进行公式或原理推导。由于个人水平有限，所以可能会存在一些认知的错误，可以留言交流学习一下。网上资料方案1首推浙大开源的Lidar_IMU_calib，标定精度很高。从粗到细的，实现高精度的lidar-imu标定，具体可以

本文转载自泡泡机器人。本文概述了Cartographer的理论及简要的梳理了其开源实现代码的逻辑，目的在于起到抛砖引玉的作用，为选择性的研究相关理论及实现提供参考。1.    Cartographer理论概述Cartographer主要理论是通过闭环检测来消除构图过程中产生的累积误差[1]。用于闭环检测的基本单元是submap。一个submap是由一定数量的laser