Ta上传的资源 (0)

本文提出了一种低成本的立体视觉惯性定位系统,该系统利用有效的基于多状态约束卡尔曼滤波(msckf)的视觉惯性里程计(vio),同时利用先验lidar地图提供有界误差的三维导航。除了VIO中使用的标准稀疏视觉特征测量外,在紧密耦合的MSCKF更新中,还利用视觉半稠密云到先前激光雷达地图的全局注册,从而

本文提出了一种基于模型的通行性分析方法,该方法利用详细的车辆模型在复杂环境中进行实时路径规划。车辆模型表示了车辆的车轮和底盘,使其能够准确预测车辆的3D姿态、每个车轮详细的连接信息以及在高程图上给出2D姿态时是否会发生底盘碰撞。根据车辆的安全要求对这些预测进行加权,以便为类似A *的搜索策略提供评分

本文主要讲了ORB-SLAM，一个基于特征识别的单目slam系统，可以实时运行，适用于各种场合，室内的或者室外的，大场景或小场景。系统具有很强的鲁棒性，可以很好地处理剧烈运动图像、可以有比较大的余地自由处理闭环控制、重定位、甚至全自动位置初始化。基于近年来的优秀算法，我们对系统做了精简，采用了所有S
VR 17

本文主要研究基于里程计和单目视觉传感器的地面车辆定位与地图构建问题。为了提高地面车辆视觉估计的精度，研究人员利用了近似平面运动的约束，并且通常将其作为SE（3）姿态的随机约束来实现。本文提出了一种在se（2）上直接参数化地面车辆姿态的简单算法。该方法不忽略se（2）运动扰动，而是将其引入一个新的se

本文主要研究基于里程计和单目视觉传感器的地面车辆定位与地图构建问题。为了提高地面车辆视觉估计的精度，研究人员利用了近似平面运动的约束，并且通常将其作为SE（3）姿态的随机约束来实现。本文提出了一种在se（2）上直接参数化地面车辆姿态的简单算法。该方法不忽略se（2）运动扰动，而是将其引入一个新的se

结合多传感设备以实现高级的感知能力是自动驾驶汽车导航的关键要求。传感器融合用于获取有关周围环境的丰富信息。摄像头和激光雷达传感器的融合可获取精确的范围信息，该信息可以投影到可视图像数据上。这样可以对场景有一个高层次的认识，可以用来启用基于上下文的算法，例如避免碰撞更好的导航。组合这些传感器时的主要挑

针对移动机器人使用三维地图进行路径规划的问题，研究了使用三维栅格地图的路径规划算法。该算法将装载三维激光扫描仪的移动机器人得到的三维点云转换成为八叉树结构的三维栅格地图；扩展了Ｄ＊算法使之考虑机器人的尺寸，检测每种位姿状态下是否与环境发生碰撞，生成多条可行路径可以在栅格地图中直接生成机器人的运动轨迹

2019SLAM综述 摘要：slam是同步定位和建图的缩写，它包含定位和建图两个主要任务。这是移动机器人学中一个重要的开放性问题：要精确地移动，移动机器人必须有一个精确的环境地图；然而，要建立一个精确的地图，移动机器人的感知位置必须精确地知道。