激光slam学习日记——激光雷达数学模型和运动畸变去除

hector_slam，depthimage_to_laserscan的软件包安装在你的catlin_ws/src 下打开终端然后运行下面一句命令，然后在catkin_ws下之间catkin_make 就ok啦啦！！！git clone https://github.com/tu-darmstadt-ros-pkg/hector_slam.git$ git clone -b indigo-deve

激光slam学习笔记——ubuntu20.04下运行A_loam这个真是费了我好大的力气其实也很简单首先：在src下的四个cpp文件里找类似与一下这种，然后把前面的 / 都去掉，当然你可以只农laserMapping.cpp里的也能行，但是我就要都去掉（气）然后在 catkin_make 一下：输入下面代码开始运行：source devel/setup.bashroslaunch aloam_ve

激光slam学习日记——激光雷达数学模型和运动畸变去除

激光slam学习笔记——基于图优化的激光slam方法1、slam基础整体来说，在激光slam中，滤波器的误差要小于图优化的误差。图优化通俗点说就是里程计计算的位姿与观测到的位姿之间会形成一个误差（都准的话位姿的差值为0），然后我们通过一些方法（最小二乘）不断调整位姿，使得这个误差最小，从而达到最优的位姿解。2、非线性最小二乘预测与观测之间形成一个误差，在表示成最小二乘的形式，不过这个最小二乘是一个

激光slam学习笔记——基于已知位姿的构图算法栅格地图适合用来路径规划，一般用八叉树来进行分类，标记哪里被占用，哪里是自由区域给定机器人的位姿和观测，用概率的方法估计最可能出现的地图。假设地图为静态的，那么我们可以认为地图中的每个栅格都是独立的，最终地图的概率可表示为所有概率的乘积下面就是个贝叶斯估计，把第二个式子带入第一个式子进行化简地图是一个二元随机变量，0， 1。所以他的对立事件也是类似的将

激光slam学习笔记——基于已知位姿的构图算法栅格地图适合用来路径规划，一般用八叉树来进行分类，标记哪里被占用，哪里是自由区域给定机器人的位姿和观测，用概率的方法估计最可能出现的地图。假设地图为静态的，那么我们可以认为地图中的每个栅格都是独立的，最终地图的概率可表示为所有概率的乘积下面就是个贝叶斯估计，把第二个式子带入第一个式子进行化简地图是一个二元随机变量，0， 1。所以他的对立事件也是类似的将

激光slam学习笔记——基于图优化的激光slam方法1、slam基础整体来说，在激光slam中，滤波器的误差要小于图优化的误差。图优化通俗点说就是里程计计算的位姿与观测到的位姿之间会形成一个误差（都准的话位姿的差值为0），然后我们通过一些方法（最小二乘）不断调整位姿，使得这个误差最小，从而达到最优的位姿解。2、非线性最小二乘预测与观测之间形成一个误差，在表示成最小二乘的形式，不过这个最小二乘是一个

slam十四讲之optical_flow代码解析以下均在ubuntu20.04下完成，请大家批品指正//// Created by Xiang on 2017/12/19.//#include <opencv2/opencv.hpp>#include <string>#include <chrono>#include <Eigen/Core>#inc

slam十四讲之第十三讲 设计slam系统代码详解在这里插入代码片这里主要是后端，代码不多，前端看懂了这边很好理解//// Created by gaoxiang on 19-5-2.//#include "myslam/backend.h"#include "myslam/algorithm.h"#include "myslam/feature.h"#include "myslam/g2o_ty