利用python+opencv+yolov5实现数字仪表读数，并将读数结果输出到UI界面显示，并保存到本地，包含图像处理，数据增强，YOLOv5源码改写，编写输出接口等

只利用IMU单个传感器，实现对人行走距离的检测，精度达到0.5m左右。同时还利用峰值检测算法实现了一个精确的计步器。

复现出一套完整的二维激光SLAM算法，能够快速进行扫描匹配，建立栅格地图，算法运行速度是hector的8倍，gmapping的16倍，能够在一帧雷达数据的周期中完成3次计算，建图效果好，能够在机器人快速运动的情况下依旧建立清晰可靠的地图。

只利用IMU单个传感器，实现对人行走距离的检测，精度达到0.5m左右。同时还利用峰值检测算法实现了一个精确的计步器。

由于SLAM过程中需要用到不同的传感器对环境进行感知和观测，而每一个传感器都应一种坐标系，所以在整个SLAM过程中涉及到非常多次的坐标变换，想要搞清楚SLAM的过程，需要对这些坐标变换有充分的理解，本文主要记录一下我对于激光SLAM中坐标变换的理解（ROS下）

利用python+opencv+yolov5实现数字仪表读数，并将读数结果输出到UI界面显示，并保存到本地，包含图像处理，数据增强，YOLOv5源码改写，编写输出接口等

利用python+opencv+yolov5实现数字仪表读数，并将读数结果输出到UI界面显示，并保存到本地，包含图像处理，数据增强，YOLOv5源码改写，编写输出接口等