原创 Ubuntu下vs code 安裝插件出現XHR fail

平臺:Ubuntu16.04 安裝插件時,發生XHR fail錯誤,知道自己以前配置過代理,所以比較明確,但使用命令行修改有問題。不過Ubuntu友好,我就在界面裏關掉就好了。 左邊點擊設置 -> 網絡 -> 網絡代理

原创 視覺slam14講之視覺里程計

    作爲視覺slam中4大步驟的最前端,視覺里程計(VO)是視覺前端,它根據相鄰圖像的信息估計出粗略的相機運動,給後端提供較好的初始值。而其主要實現方法,分爲特徵點法,直接法。其中特徵點法目前是主流,它運動穩定,對光照,動態

原创 視覺slam14講之VO框架的搭建

   視覺里程計VO的搭建基本都會有以下幾個問題:怎麼管理地圖點,如何處理誤匹配,如何選擇關鍵幀。。。由簡到繁進行。 1. 視覺里程計分單目,雙目,RGB-D三大類。單目視覺相對複雜,RGB-D最簡單,沒有初始化,也沒有尺度問題

原创 ROS之Turtlebot 構圖,導航仿真

1.安裝TurtleBot相關的功能包 sudo apt-get install ros-kinetic-turtlebot-* 這個作爲rospackge中提供的功能包,全部安裝測試。裏面包含Turtlebot真機與仿真

原创 視覺slam14講之歐式變換與Eigen庫

1.歐式變換    在視覺slam中,相機是運動定位,構圖的。而它是一個剛體運動,它保證了同一個向量在各個座標系下的長度和夾角都不會發生變化,這種變化稱爲歐式變換。例如: 手機拋向天空,在摔碎之前,只可能有空間位置和姿態的不同,而

原创 視覺slam14講之迴環檢測

     前端提供特徵點的提取和軌跡,地圖的初值,而後端負責對所有這些數據進行優化。如果如同VO那樣僅考慮相鄰時間上的關鄰,那麼之前的誤差將不可避免地累積到下一時刻,這樣整個SLAM會出現累積誤差,長期的結果將不可靠。

原创 卡爾曼濾波與擴展卡爾曼濾波

背景介紹 卡爾曼濾波(Kalman filtering)一種線性系統狀態方程,對輸入輸出的觀測數據進行最優估計的算法。由於觀測數據中包括系統中的噪聲和干擾的影響,所以最優估計也可看作是濾波過程。故求解最優估計的算法就稱之爲卡

原创 兩個.c文件訪問同一個全局變量的用法

(1)不用頭文件 在file_a.c中定義一個全局變量:int flag ; 在file_b.c中:extern int flag;即可。 (2)利用頭文件 在file_a.c中定義一個全局變量:int flag; 在common

原创 視覺slam14講之相機模型

1. 單目相機模型     a. 首先, 世界座標系下有一個固定的點P,世界座標爲Pw。     b. 由於相機在運動,它的運動由R,t或變換矩陣T描述。P的相機座標爲P’ = R*Pw + t。     c.

原创 視覺slam14講之後端優化

     前端視覺里程計能給出一個短時間內的軌跡和地圖,但不可避免的誤差累積,這個地圖在長時間內是不準確的。要想構建一個尺度,規模更大的優化問題,以考慮長時間內的最優軌跡和地圖,這時後端優化就出現了。 1.濾波器模型      a

原创 問題解決之ROS探索學習(五)

本文主要是跟隨古月居的學習,遇到的問題後的解決方法 (平臺:Ubuntu16.04 + kinetic) 1.版本不同,所以功能包的建立是不同的。 cd catkin_ws/src catkin_creat

原创 視覺slam14講之建圖

   建圖(Mapping)是slam的兩大目標之一。上述討論的都是定位,討論了特徵值點的定位,直接法的定位,以及後端優化。在經典的slam模型中,所謂的地圖,即所有路標點的集合。一旦確定了路標點的位置,可以說明完成了建圖。只是如

原创 視覺slam14講之slam概況

      slam是simultaneous localization and mapping 的縮寫,中文譯爲“同時定位與構圖”。由其名就可以知道,主要有2個功能,一個是自我定位,一個是構圖。其中就要使用到特定的傳感器,在未

原创 ROS下百度語音識別

看到一個好玩的東西,百度的語音識別,大家可以自己DIY一些小東西了。 參考:http://www.rosclub.cn/post-1032.html 1. 前面的下載,安裝都沒問題,故跳過不用理會。 2. 測試

原创 ROS工具的使用

RVIZ ros中的三維可視化工具,在調試中使用極多。       a. 簡介:主要目的是以三維方式顯示ROS消息,將數據進行可視化表達。例如,無需編程就能表達激光測距儀(LRF)傳感器中的傳感器到障礙物的距離,Rea