多传感器融合定位章节索引

多传感器融合定位-章节索引

前言&＃xff1a;

​ 本博客为深蓝学院多传感器融合定位的课程作业笔记&＃xff0c;为了方便个人检索&＃xff0c;故将笔记记录到网上&＃xff0c;同时也希望能给大家一些启发。在讲师任乾老师和其他学员的帮助下&＃xff0c;总算完成十章的作业。

​ 回顾整个历程&＃xff0c;先后修了三次的课程&＃xff0c;也十分感慨。刚录取研究生(2020年)的时候&＃xff0c;导师给了我一个课题&＃xff0c;做3D巡检小车的定位建图&＃xff0c;在本科一直参与robotics的比赛&＃xff0c;接触了不少的2D agv项目&＃xff0c;因此也欣然接受。开始了资料的检索&＃xff0c;开始了解到点云&＃xff0c;先修了深蓝学院黎嘉信老师的三维点云处理&＃xff0c;对点云有了初级的了解。

​ 第一阶段 2020.10&＃xff1a;后来接触到了任乾老师的第一期多传感器融合定位课程(2020.10),开始发现自己的知识十分薄弱&＃xff0c;对非线性优化、惯导等概念一无所知&＃xff0c;甚至不知道什么是外参、内参&＃xff0c;多线激光雷达也从没接触过&＃xff0c;c&＃43;&＃43;也十分的差。第一期课程的难度对于我这样的菜鸟来说确实很难&＃xff0c;我一边上课一遍不断补习知识&＃xff0c;去翻阅高博的slam14讲、机器人状态估计。最后因为临近期末考试和个人基础知识太薄弱&＃xff0c;上到第四章(惯性导航分析)就没跟上。之后我重新把高翔博士的14讲重看了一遍&＃xff0c;也在实验室自己搭建造了一辆3D的slam移动小平台,通过自己的选型&＃xff0c;设计框架&＃xff0c;开始慢慢了解在自动驾驶领域传感器的种类和属性&＃xff0c;也开始对传感器有了更深的理解。

​ 第二阶段 2021.8 : 在外出实习期间&＃xff0c;一直没有放弃对slam的学习&＃xff0c;进行了第四期课程的学习&＃xff0c;这一次的学习更加细致&＃xff0c;进行了1-8章较为详细的作业&＃xff0c;对比之前&＃xff0c;这一次开始看懂代码&＃xff0c;理解其中算法的含义&＃xff0c;理解ceres g2o 等非线性优化的使用&＃xff0c;很好地了解了kalman的融合&＃xff0c;在此之前kalman一直停留在本科期间机器人比赛中自瞄跟踪算法&＃xff0c;但也只是调库&＃xff0c;这一次有了更深的理解&＃xff0c;也不会畏惧公式&＃xff0c;开始耐心的推导。因为临近开题原因&＃xff0c;故这一次学习到第八章kalman容和定位。

​ 第三阶段 2022.3&＃xff1a;在第二阶段的课程学习之后&＃xff0c;期间认真阅读了课程的框架代码&＃xff0c;也开始自己搭建平台&＃xff0c;制作数据集&＃xff0c;将课程的框架部署到自己的搭建的平台上。如&＃xff1a;3D-SLAM自搭平台 主动阿克曼 &＃43; RS16 &＃43; LPMS_IMU LEGO_LOAM 建图 B站视频。开始了第三次的多传感器容和定位的学习&＃xff0c;这一次&＃xff0c;补充了第九和第十章&＃xff0c;预积分和图优化的部分&＃xff0c;优化和预积分的方法是未来的一个趋势&＃xff0c;可以说是课程的核心内容。通过不断的提问&＃xff0c;反复看视频&＃xff0c;交叉观看VIO的课程&＃xff0c;开始有了自己的理解。

​ 一路以来的学习&＃xff0c;有赖于任乾老师和各位助教学员的解答&＃xff0c;非常感谢各位。

​ 列宁曾说过“人的认识不是直线&＃xff0c;而是无限地近似于一串圆圈、近似于螺旋式的曲线”&＃xff0c;事物的自身发展&＃xff0c;经过肯定、否定和新的肯定。同样人的认知也需要经过“否定之否定”的过程&＃xff0c;在不断地否定中自我成长。

课程笔记检索

1-10章的课程检索 github 链接 (如果对大家有帮助&＃xff0c;烦请大家star我一下~)

多传感器融合定位 第一章 概述

多传感器融合定位 第二章 3D激光里程计

多传感器融合定位 三章 3D激光里程计2

多传感器融合定位 第四章 点云地图构建及基于点云地图定位

多传感器融合定位 第五章 惯性导航原理及误差分析-不需要转台的IMU内参标定

多传感器融合定位 第六章 惯性导航结算及误差模型

多传感器融合定位 第七章 基于滤波的融合方法

多传感器融合定位 第八章 基于滤波的融合方法进阶

多传感器融合定位 第九章 基于优化的建图方法

多传感器融合定位 第十章 基于优化的定位方法

自动驾驶惯性传感器中的基本原理笔记

多传感器融合定位-常用辅助调试工具总结

自搭实验平台

jackal &＃43; 镭神32

搭建实验室3d slam 移动小车 1-前期准备

搭建实验室3d slam 移动小车 2.1-镭神32线激光雷达使用调试

搭建实验室3d slam 移动小车 2.2镭神32线激光雷达修改主从机IP

搭建实验室3d slam 移动小车 2.3镭神32线激光雷达ROS-RVIZ上方向确定

搭建实验室3d slam 移动小车 3.1jackal移动小车平台调试

搭建实验室3d slam 移动小车 3.2jackal移动平台axis-ptz魚眼摄像头调试

搭建实验室3d slam 移动小车 3.3jackal移动平台 组合导航POMS-GI201C、镭神32线激光雷达 卫星授时

搭建实验室3d slam 移动小车 4.1jackal小车&＃43;镭神32线激光雷达lego-loam建图

使用Mapviz、中科图新 进行机器人GPS轨迹卫星地图绘制

使用Mapviz,进行机器人GPS轨迹卫星地图绘制(2)-调用天地图API&＃xff0c;快速加载刷新地图

主动阿克曼 &＃43; RS16 &＃43; LPMS_IMU

3D-SLAM自搭平台 主动阿克曼 &＃43; RS16 &＃43; LPMS_IMU LEGO_LOAM 建图

第一阶段深蓝多传感课程检索

第一期课程学习&＃xff0c;也进行了一些笔记记录&＃xff0c;但不全&＃xff0c;望见谅

多传感器融合定位 课程概述

多传感器融合定位&＃xff08;1-3D激光里程计&＃xff09;1-前端里程计ICP

多传感器融合定位&＃xff08;1-3D激光里程计&＃xff09;2-前端里程计NDT

多传感器融合定位&＃xff08;1-3D激光里程计&＃xff09;3-前端里程计LOAM系列

多传感器融合定位&＃xff08;1-3D激光里程计&＃xff09;4-实现调用pcl-icp-1

多传感器融合定位&＃xff08;1-3D激光里程计&＃xff09;5-实现调用pcl-icp-2 通过 config.yaml 实现接口的多态性

多传感器融合定位&＃xff08;1-3D激光里程计&＃xff09;6-实现调用pcl-icp-3 evo里程计精度评价

多传感器融合定位&＃xff08;2-点云地图构建及基于地图定位&＃xff09;1-回环检测及代码实现

多传感器融合定位&＃xff08;2-点云地图构建及基于地图定位&＃xff09;2-后端优化与点云地图构建

多传感器融合定位&＃xff08;3-点云地图构建及基于地图定位&＃xff09;3-实现ScanContext 回环检测

多传感器融合定位&＃xff08;4-点云地图构建及基于地图定位&＃xff09;4-通过GNSS 实现地图定位

多传感器融合定位&＃xff08;3-惯性导航原理及误差分析&＃xff09;2-IMU误差分析及处理&＃xff1a;随机误差理论分析&allan方差分析及实现

多传感器融合定位&＃xff08;3-惯性导航原理及误差分析&＃xff09;3-内参模型与分立级、系统级、迭代优化等标定方法&＃xff1a;器件内参标定

多传感器融合定位&＃xff08;3-惯性导航原理及误差分析&＃xff09;4-IMU温补&＃xff1a;常见温补模型与基于多项式你和的温补方法&＃xff1a;惯性器件误差分析

多传感器融合定位&＃xff08;1-3D激光里程计&＃xff09;6-实现手写icp

多传感器融合定位&＃xff08;3-惯性导航原理及误差分析&＃xff09;7-实现 分立级标定 accel加速度计内参公式验证

多传感器融合定位&＃xff08;3-惯性导航原理及误差分析&＃xff09;6-Allan方差 进行随机误差分析

多传感器融合定位&＃xff08;4-基于滤波的融合方法&＃xff09;kitti数据集 IMU频率改为100HZ

Docker快速上手及常用指令集

多传感器融合定位&＃xff08;3-惯性导航原理及误差分析&＃xff09;8-惯性导航解算验证

多传感器融合定位&＃xff08;4-基于滤波的2融合方法&＃xff09;2-使用仿真数据进行imu-gnss eskf和时变系统下的可观测性分析

ROS自定义消息类型&＃xff0c;编译无法生成 msg/srv 文件产生的头文件

​ edited by kaho 2022.3.20 祝愿疫情早日消退&＃xff0c;花开满地