摘要： 随着机器视觉，自动驾驶等颠覆性的技术逐步发展，采用 3D 相机进行物体识别，行为识别，场景 建模的相关应用越来越多，可以说深度相机就是终端和机器人的眼睛，那么什么是深度相机呢，跟之前的普通相机（2D）想比较，又有哪些差别？ 深度相机又称之为3D相机，顾名思义，就是通过该相机能检测出拍摄空间的景深距离 阅读全文

摘要： 人类的视觉原理 深度学习的许多研究成果，离不开对大脑认知原理的研究，尤其是视觉原理的研究。 1981年的诺贝尔医学奖，颁发给了David Hubel（出生于加拿大的美国神经生物学家）和TorstenWiesel，以及Roger Sperry。前两位的主要贡献，是“发现了视觉系统的信息处理”，可视皮层 阅读全文

摘要： 这一讲将详细阐述AMCL包接收初始位姿或者全局定位服务，无运动更新服务后进行粒子滤波器初始化，以实现粒子位姿初始化的原理。 1.接收处理OccupancyGrid格式的地图 1.1 requestMap()函数&&mapReceived()函数 使用GetMap服务请求地图，得到地图后进入handl 阅读全文

摘要： AMCL定位算法主要是适用于激光传感器，所以对激光数据的处理是比较重要的一环。这一讲，我们将对amcl_node.cpp的laserReceived函数进行分析。 图1.laserReceived函数总览 从主要条件分支可以看出，确认了map是否已接收，是否有base_laser->base_lin 阅读全文

摘要： 关于amcl_node.cpp，主要作用是发布一个位姿p，来表征这个粒子滤波算法对机器人当前位置的估计。这个估计的位姿，是机器人坐标系(base_link)在世界坐标系(map)下的具体坐标呈现。 另一方面呢，amcl_node.cpp也要接收外界给定的位姿来进行粒子滤波器的初始化，通俗一点讲就是将 阅读全文

摘要： 上一讲完成了对pf.cpp文件的分析，这个CPP文件主要是将Augmented-MCL算法和KLD-sampling算法糅合在一起使用。其中分别采取pf_pdf_gaussian_sample(pdf)，pf_init_model_fn_t初始化模型，pf->random_pose_fn的方式进行粒 阅读全文

摘要： 上一讲介绍了粒子滤波器模型的相关理论以及pf.cpp中的几个关键函数，这一讲我们将对pf.cpp的代码进行详细分析。 先看pf.cpp引用的关键头文件，我们稍后再梳理这些头文件，现在先将pf.cpp的脉络梳理清楚。 #include "amcl/pf/pf.h" #include "amcl/pf/ 阅读全文

摘要： 粒子滤波器这部分内容涉及到的理论和数据结构比较多，我们分好几讲来介绍。这一讲的内容是对pf文件夹的简要分析，蒙特卡罗定位在pf中的代码具体实现，KLD采样算法的理论介绍以及它在pf中的代码具体实现。 1.pf文件夹头文件简要分析 说到AMCL包下的pf文件夹，它其实就是 由这几部分组成：一个3✖3对 阅读全文

摘要： AMCL包接收地图，建立运动模型使得粒子可以跟着机器人一起运动，建立观测模型对模拟机器人运动的粒子进行打分，并且建立相关的tf变换信息，最后输出位姿。接收地图部分在上一讲已讲解完毕，这一讲讲述运动模型和观测模型对AMCL位姿输出的影响机制。 图1. AMCL包sensor文件夹展开 sensor文件 阅读全文

摘要： AMCL包从外界接收进来的就只有一张2D栅格地图（物理形式为：一张图片）。这张图片可以是PGM格式，也可以是JPG格式。不管是什么格式，先进入AMCL包的map文件夹里的相关函数处理，解析出这张图片上所包含的信息。 图1. AMCL包map文件夹展开 1.栅格地图定义 如图2所示，直观地来看这张作为 阅读全文

摘要： 什么是Monte Carlo Localization呢，中文名叫蒙特卡罗定位，权威阐述见《概率机器人》第8章，移动机器人定位:栅格与蒙特卡罗。是基于粒子滤波的定位算法。 1.粒子滤波算法与蒙特卡洛定位算法 那啥是粒子滤波(particle filter)? 参考: https://web.mit. 阅读全文

摘要： AMCL定位是移动机器人激光slam定位的开山鼻祖了，已集成到ros wiki包。依旧向经典致敬，致敬的最好方式就是细细读一遍。 那就先从蒙特卡洛定位讲起吧。【1】 (笔记)（2）AMCL Monte Carlo Localization | 基础原理篇+配备代码讲解 - tdyizhen1314 阅读全文