（1）自车坐标系到相机坐标系​​（2）相机坐标系到图像坐标系（不考虑畸变）​​（3）图像坐标系（含去畸变）： 将(Xc, Yc, Zc)投影到归一化平面上 ，再进行（径向与切向）畸变修正，得到去畸变后的归一化坐标。（4）图像坐标系到像素坐标系​​将纠正后的点投影到像素平面，其中 为坐标系缩放系数，Cx, Cy 为坐标系平移量。通常意义上，相机需要标定的参数如下：​​矩阵H内包含f, , Cx, C

由于项目需要，笔者最近开发蓝科讯通科技的PTR5618蓝牙5.0模块，芯片是NORDIC的NRF52832。现在是初步把SDK摸了一下，打通了透传。这篇先介绍模块的使用和测试及开发环境的搭建。首先是模块的使用。按照该公司的文档一步步测试没有遇到什么问题。电脑上位机跟手机app能够透传。测试结果：1。店家提供的APP最多发送20个字节，可接收多个字......

ROS: nav_msgs::OccupancyGrid 格式 二维栅格地图的A星全局规划算法和实现。mapTopic：" /grid_map_global" （二维占据栅格话题）nav_msgs::Path："/global_path" (全局路径。

专栏系列文章如下：一：Tixiao Shan最新力作LVI-SAM(Lio-SAM+Vins-Mono)，基于视觉-激光-惯导里程计的SLAM框架，环境搭建和跑通过程_goldqiu的博客-CSDN博客二.激光SLAM框架学习之A-LOAM框架---介绍及其演示_goldqiu的博客-CSDN博客三.激光SLAM框架学习之A-LOAM框架---项目工程代码介绍---1.项目文件介绍（除主要源码部分

在SLAM任务中，也就是建图和定位一起的任务中，我们可以在前端采用滤波，后端采用优化的方式来做；这里我们用IMU的测量做预测，用其他来做观测，主要有雷达自身的里程计、雷达当前帧和全局地图的点云匹配、GNSS全局观测、轮速计等，这些都可作为滤波器的观测，一起估计一个更加可靠的位姿。（PS：而如果没有雷达里程计和全局地图的点云匹配，只有GNSS全局观测，那么就是一个GINS系统，也就是组合导航，其实是

先是PnP问题：2d还原3d的过程。​求解的目标函数就是：3D点投影到像素平面的UV值和本身像素平面UV值的误差，使之最小；进而求解出变换矩阵T。这样我们就可以得到两个相机对应的两组3D点了。然后:​类似于ICP，两组3D点求解之间的变换矩阵。目标函数是第一组3D点与变换过来的第二组3D点之间的误差，使之最小，求得变换矩阵T。

从2021年9月份开始学习多传感器融合SLAM，期间也发了不少博客记录学习过程，自己对SLAM的认识也逐渐加深，以前一些博客中会有一些错误的地方还未及时去修正，敬请谅解。由于课题组需要和自身发展方向，现在逐渐将自己的方向从纯粹SLAM的Mapping往Localization走，尤其是Global Localization，而Navigation是很现实、很实际一个方向，其中包括Localizat

在车辆运行期间，动态修正传感器之间的相对位姿参数。与离线标定不同，在线标定不能摆场景（如标定板），因此难度更大。

只包含了配置文件，包括urdf、yaml、launch文件等，因为不需要c++或python源码，其他支持包均可在github下载。

第一讲：预备知识SLAM介绍SLAM 是 Simultaneous Localization and Mapping 的缩写，中文译作“同时定位与地图构建”。它是指搭载特定传感器的主体，在没有环境先验信息的情况下，于运动过程中建立环境的模型，同时估计自己的运动。如果这里的传感器主要为相机，那就称为“视觉 SLAM”。SLAM的目的是解决“定位”与“地图构建”这两个问题。也就是说，一边要估计传感器自