摘要：
实验室新进了两个Livox Horizon激光雷达，特此记录特性。 阅读全文
posted @ 2025-05-14 23:24
格得
阅读(259)
评论(0)
推荐(0)
摘要：
在上一篇文章中，对于点云聚类的分类是利用传统机器学习算法——随机森林去做的。而喂给随机森林的不是
点云聚类自身，而是其人工提取的特征向量（或者特征直方图）。这样的做法，分类的效果受限于人工特征
自身的鲁棒性。因此本文提出了数据驱动的CNN分类器来提取特征描述子。 阅读全文
posted @ 2025-05-14 23:21
格得
阅读(179)
评论(0)
推荐(0)
摘要：
户外大尺度环境下做SLAM一般是用激光雷达传感器与相机。如果直接保存点云地图，则由于户外机器人运动的范围比较大，地图的占用内存会过大。因此ETHZ-ASL实验室提出了一种基于segment的地图，能够将点云地图很好的抽象，适合于多机器人户外大范围环境的探索与建图。 阅读全文
posted @ 2025-05-14 23:20
格得
阅读(218)
评论(0)
推荐(0)
摘要：
在现有的视觉SLAM框架中，大部分是用针孔相机的图像来进行特征提取与匹配的。在一些特殊场景下有可能会需要用到鱼眼相机，因此一种操作是将鱼眼相机进行标定，转化成针孔相机的图像，然后再用SLAM框架去跑。这就涉及到了鱼眼相机的标定与像素的重映射。 阅读全文
posted @ 2025-05-14 23:19
格得
阅读(122)
评论(0)
推荐(0)
摘要：
上《线性系统理论》这门课，提到了矩阵的二范数，即等式：
$$
\|\mathbf{A}\|_{2}=\sqrt{\lambda_{\max }}
$$
然后中文搜了一堆，没有系统地说明怎么得到的。最后在Wikipedia[^1]中找到了详细推导的来源，也就是这本书[^2]中找到了详细的推导。故记录如下。 阅读全文
posted @ 2025-05-14 23:16
格得
阅读(167)
评论(0)
推荐(0)
摘要：
针对阿克曼底盘的导航，TEB_local_planner没有直接给出具体的导航策略，而是利用非线性优化问题完成了对该问题的建模。 阅读全文
posted @ 2025-05-14 23:15
格得
阅读(61)
评论(0)
推荐(0)
摘要：
其实就是手眼标定。而且这个可以推广开去，做任何可以求出Odometry的传感器之间的标定。 阅读全文
posted @ 2025-05-14 23:11
格得
阅读(158)
评论(0)
推荐(0)
摘要：
上次提到了激光雷达与相机的标定，由于我毕设用的是速腾的激光雷达，发现标定时直接报错，故在此记录下问题与解决措施，借此详细分析下速腾激光雷达与velodyne激光雷达的异同。 阅读全文
posted @ 2025-05-14 23:08
格得
阅读(198)
评论(0)
推荐(0)
摘要：
在图像上做Object detection 准确率目前可以达到90%以上，而在点云上做端到端的Object detection准确率却很低--车辆大概70%,行人大概40%，并且这样的网络换个不同线数的雷达就不行了。（点云有其特殊性， 近处和远处稠密程度不一样，不同线数的激光雷达稠密程度也不一样）。
但是图像做物体识别却没有办法得到深度信息，于是很自然地，便有了将激光雷达点云上的点投影到相机图像上，借而得到深度的想法。而这样做的第一步就是激光雷达和相机的标定，借而得到相机与激光雷达的坐标系间的转换。 阅读全文
posted @ 2025-05-14 23:06
格得
阅读(78)
评论(0)
推荐(0)
摘要：
*PointNet* 是Point cloud的Object detection问题的近乎奠基的论文。作者来自于Stanford，PointNet发表在CVPR 2017。这篇文章是VoxelNet（CVPR2018）的指导思想，VoxelNet将PointNet的功能由分类拓展到定位+分类。 阅读全文
posted @ 2025-05-14 23:05
格得
阅读(134)
评论(0)
推荐(0)
浙公网安备 33010602011771号