logo
publist
写文章

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

模型转换和边缘计算中至关重要的概念:​​归一化​​ 和​​量化策略​​

概念​​归一化​​​​量化策略​​​​核心目标​​​​数据预处理​​,使输入数据符合模型训练时的分布,保证模型正确工作。​​模型压缩与加速​​,通过降低数据精度来极致优化性能。​​关键操作​​对输入数据进行线性缩放。为模型权重和激活值确定从FP32到INT8的最佳映射参数。​​在RKNN转换中的作用​​​​保证模型精度的基础​​。配置错误直接导致模型失效。​​在精度和性能之间取得平衡​​。策略选择

#边缘计算#嵌入式硬件#ubuntu
使用雷达,SLAM 算法选型

下表对比了各算法的主要特点,方便你快速了解。​​​​​​​​​​​​​​支持​​,​​能力强大,能有效消除累积误差。室内大场景、长廊、仓库支持多传感器融合(可接入IMU)。中等Google开源,文档和社区支持良好,与ROS 2集成顺畅。​​​​强,专注于2D激光雷达,支持在线建图与保存。中小型室内场景、实时导航纯激光雷达即可良好工作。​​对香橙派等资源受限设备友好,易于调试和参数调整。​​​​,在

#嵌入式硬件
ROS2与STM32通信详解

/ 命令类型#define MSG_CMD_VEL "VEL" // 速度控制#define MSG_CMD_LED "LED" // LED控制#define MSG_CMD_PID "PID" // PID参数设置// 数据类型#define MSG_DATA_ODOM "ODOM" // 里程计数据#define MSG_DATA_IMU "IMU" // IMU数据#define MSG_

#stm32#嵌入式硬件#单片机
理解SLAM(即时定位与地图构建)中的TF(Transform)树

理解SLAM(即时定位与地图构建)中的TF(TransForm)树确实非常关键,它就像是机器人的​ 和。为了让你彻底弄懂,我们这次不仅深入原理,还会结合更多实际场景和比喻,让你无论在何种机器人平台上都能触类旁通。

#人工智能#机器学习#算法
在slam建图中为何坐标base_link,laser,imu_link是始终在一起的,但是odom 会与这位三个坐标在运行中产生偏差

摘要:在机器人系统中,base_link、laser和imu_link三个坐标系通过URDF/XACRO文件静态定义,始终保持固定相对位置。odom坐标系作为局部运动参考会产生随时间累积的漂移误差,主要源于轮式里程计的固有缺陷和IMU积分误差。SLAM系统通过引入map坐标系,利用闭环检测和扫描匹配技术,动态计算map→odom的修正量来补偿odom的漂移。这种偏差的存在正是SLAM系统正常工作的

#人工智能#算法#stm32 +1
基于ROS2与EKF的四轮差速机器人里程计精度优化:解决建图漂移与重影问题

模型不如传感器:差速运动学模型在滑移严重时非常不准,必须依赖高频 IMU 对航向角进行直接修正。数据预处理至关重要:简单的低通滤波(LPF)就能极大提升建图的清晰度。观测维度的选择:直接观测 Yaw 角比单纯观测角速度能更有效地抑制漂移。这套方案不仅适用于四轮差速车,同样适用于履带车等高滑移率的移动机器人平台。

文章图片
#stm32#嵌入式硬件#linux
SLAM 建图系统配置与启动架构

完成里程计、激光雷达与 SLAM 算法的联合调试,构建/map。

#stm32#嵌入式硬件#单片机 +2
基于SLAM Toolbox的移动机器人激光建图算法原理与工程实现

本系统采用作为核心建图与定位方案。这是一款专为 ROS 2 生态设计的现代化 2D 激光 SLAM 框架。该算法基于的开源扫描匹配库进行深度重构,采用了的技术路线。与传统的滤波类算法(如 Gmapping)不同,SLAM Toolbox 将机器人的建图过程建模为一个。它能够在构建地图的同时,通过后端优化器(Solver)修正历史轨迹的累积误差,从而生成全局一致的高精度栅格地图。

#算法#stm32#嵌入式硬件
主流 3D SLAM 算法核心架构深度解析:VINS、ORB-SLAM3 与 FAST-LIO

对比维度ORB-SLAM3FAST-LIO2主导传感器相机 (单/双目) + IMU相机 (多模态) + IMU3D 激光雷达 + IMU前端机制KLT 稀疏光流跟踪ORB 特征点提取 + 描述子原始点云 + ikd-Tree 搜索核心后端滑动窗口非线性优化局部/全局 光束法平差 (BA)迭代误差状态卡尔曼滤波 (IESKF)最终地图形态稀疏的 3D 轨迹与点云具备拓扑关系的稀疏特征点云物理意义明

#3d#算法#架构
ROS2 机器人底盘调试避坑指南:从 `/odom` 丢失到彻底跑通的硬核排障实录

在 ROS2 的开发中,最棘手的问题往往不在高大上的算法模型里,而藏在一条不起眼的 USB 线、一个没对齐的波特率、以及极其严格的 QoS 配置中。看灯、摸线、抓底层。先确保数据流能突破 Linux 硬件层,再谈上层的 SLAM 与 Nav2。打通了底层的“任督二脉”,下一步,我将在这个坚实的基础上,正式接入 AI 语音模块,让这台拥有“小脑”和“大脑”的小车,正式具备“灵魂”。

#机器人#人机交互#stm32
    共 64 条
  • 1
  • 2
  • 3
  • 7
  • 请选择