Skip to main content

Posts

Showing posts from January, 2018

AHRS开源项目

ros中集成的组件： 9DOF https://github.com/ccny-ros-pkg/imu_tools 该算法是Sebastian Madgwick博士 2009 年开源的研究项目。 原始项目： http://x-io.co.uk/open-source-imu-and-ahrs-algorithms/ 但是一直没有在维护更新，后被集成到ros中。  另一套6DOF的开源AHRS系统， http://autopilot.sourceforge.net/kalman.html
Post a Comment
Read more

Edge/Line based vo/vio

Edge based： vio: https://github.com/JuanTarrio/rebvo https://github.com/ygling2008/direct_edge_imu 此项目是基于LSD-SLAM改进过来的双目LSD+imu(dense_new,见作者github)扩展而来，添加了edge信息。已于作者邮件交流，该项目目前效果还并使很好，只是一种探索。 注：该作者针对LSD有多个修改版本，可学习，包括rgbd https://github.com/mpkuse/rgbd_odometry 该项目的一个分支中有相关edge的探索。 作者主页在这里 贺一家基于svo改造的项目： svo_edgelet Line and Point based： PL_MVO_IROS17 https://github.com/rubengooj     这个作者多个相关的项目  基于的line的stereo map： https://github.com/slslam/slslam
Post a Comment
Read more

vio之标定篇

最经典的标定工具：kalibr 最新开源的简化版的：     https://github.com/superjax/camera_imu_calibration     基于gtsam和二维码标定版的 标定参数的理解： 机器视觉学习笔记（6）——双目摄像机标定参数说明
Post a Comment
Read more

vio之滤波篇

资料： Bayesian Filtering: From Kalman Filters to Particle Filters, and Beyond Optimal State Estimation -Kalman, H infinity, and Nonlinear Approaches Optimal State Estimation -Kalman, H infinity, and Nonlinear Approaches 3D： msckf： https://github.com/KumarRobotics/msckf_vio             网页上有论文链接，整体思路和所有负号表示都与原版msckf保持一致             https://github.com/chutsu/prototype               这个项目还一直在更新  riekf： https://github.com/jgoppert/iekf_analysis      paper: https://hal.archives-ouvertes.fr/hal-00494342/document ukf:  https://github.com/mbrossar/ICRA2018         https://hal.archives-ouvertes.fr/hal-01588669/document        在李群上进行处理 R-EKF(right_ekf_3d), FEJ-EKF(f_ekf_3d) and T-EKF(ekf_3d): https://github.com/RomaTeng/EKF-SLAM-on-Manifold ekfslam、1p-ransac-eks-monoslam：   ...
Post a Comment
Read more

视觉资料整理

可以参考的博客： https://www.cnblogs.com/shang-slam/ 不错的文档： se3： http://ethaneade.com/lie.pdf A tutorial on SE(3) transformation parameterizations and on-manifold optimization Three-Dimensional Projective Geometry with Geometric Algebra 四元数： Quaternion kinematics for the error-state Kalman filter Indirect Kalman Filter for 3D Attitude Estimation.A Tutorial for Quaternion Algebra   Quaternions White Paper https://researchers.anu.edu.au/researchers/kim-j#biography    这个作者研究室的是双四元数SLAM，有时间研究研究 rovio作者关于四元数问题的论文： Why and How to Avoid the Flipped Quaternion Multiplication bundle adjustment ROVIO 开源项目中，作者对姿态的处理比较特别： 作者的博士论文： State Estimation for Legged Robots - Kinematics, Inertial Sensing, and Computer Vision 代码参考的论文： Iterated extended Kalman filter based visual-inertial odometry using direct photometric feedback 作者关于rovio中姿态计算的论文： A Primer on the Differential Calculus of 3D Orientations DSO作者博士论文： Large-Scale Direct SLAM and 3D Reconstruction in Re...
Post a Comment
Read more

实践一

双目校正： 标定文件中的参数含义，见 http://wiki.ros.org/image_pipeline/CameraInfo 使用ros的标定工具箱标定的结果中，会有K、D、R、P几个矩阵 同时，可以参照kitti数据集中对这这几个参数的解释。kitti数据集中的标定文件和ros的一致。 kitti数据集的说明参照论文"Vision meets Robotics: The KITTI Dataset" 注意： 1.基线使用P阵通过计算才能得到 2.R是当前图像旋转到一个平面，双目中两个图像都会旋转到通过一个平面。因此，通过两幅图的R可以计算出两幅图之间的旋转。同时，通过P阵可以计算处两图之间的平移，即R和t都能计算出来（这里的R和前面的R不一样） 双目校正过程可以参考 https://jingyan.baidu.com/article/a681b0de74312a3b1843460d.html 里面有如何比较校正的效果。csdn上也还有很多相关的教程。
Post a Comment
Read more