机器人学习--基于3D激光雷达数据的MCL全局定位
论文作者:Xieyuanli Chen, 陈谢沅澧, 导师德国弗雷堡大学的移动机器人大牛 Cyrill Stachniss
第一种方法: Range-MCL
大概方法:作者将3Dlidar扫描的360度距离信息 转变成 range image,然后通过图像特征比对,当前的3D数据 和数据库中的range 图像作比较。
数据库中的range image 貌似是作者用算法 GPU和 OpenGL 生成的 合成图像。
其实传感器数据表达合适之后,剩下的就是观测模型,经典粒子滤波或者贝叶斯滤波中的观测模型表达的问题。
论文:[2105.12121] Range Image-based LiDAR Localization for Autonomous Vehicles (arxiv.org)https://arxiv.org/abs/2105.12121
B站上有作者本人的介绍视频:最新开源!用于自动驾驶汽车的激光雷达全局定位算法!_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1SB4y1T7nT?from=search&seid=14453388174292834145&spm_id_from=333.337.0.0
第二种方法:OverlapNet
B站上有作者本人的介绍视频:
终于开源!基于Overlap的激光雷达全局定位算法!_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV12K4y1f7Wk/?spm_id_from=333.788.recommend_more_video.-1代码开源地址: https://github.com/PRBonn/overlap_localization 使用了OverlapNet作为蒙特卡洛定位算法(MCL)的观测模型,实现了基于激光雷达传感器的高精度全局定位。目前MCL最大的难题就是如何去设计一个好的观测模型。文章的创新点是利用OverlapNet来训练了一个观测模
两篇文章的重心都是在观测模型上,可以根据粒子滤波或者mcl方法定位的理论 仔细查看。
第三种方法:查看作者的论文,参考文献中还有其他很多种别的方法。
机器人学习--基于3D激光雷达数据的MCL全局定位相关推荐
- 谷歌cartographer使用速腾聚创3d激光雷达数据进行三维建图
原链接: https://community.bwbot.org/topic/523 谷歌cartographer_ros请参考这篇安装教程:http://community.bwbot.org/to ...
- 深度学习--基于队列的数据随机载入
起因: 最近在处理数据,训练深度学习模型的时候,发现使用pytorch中的dataloader的时候会占用大量缓存,拖慢数据的处理速度,凑巧在学习 李沐老师的深度学习课程时,李沐老师给出了解决方案, ...
- 3D激光雷达SLAM算法学习02——3D激光雷达传感器
1.本篇思维导图 2. 3D激光雷达传感器分类 3. 机械激光雷达 直观视频感受:Velodyne 优点:360°视野,精度高,工作稳定,成像快 缺点:成本较高,不符合自动驾驶车规,生命周期短, 主要 ...
- 激光雷达学习——二维激光雷达数据转PC2
激光雷达发布的数据LaserScan 由于发布的话题/scan是二维数据,在处理时没有点云数据方便,所以想把二维雷达数据转换为PointCloud2点云数据 通过订阅/scan 可以将其转换为点云数据 ...
- 基于固态激光雷达Livox的建图与定位系统!提供Docker自测!
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 作者丨黄思渊 来源丨 计算机视觉life 今天介绍一个最新的SLAM开源算法,作者开源了一套完整易用的 ...
- 终于开源!基于Overlap的激光雷达全局定位算法!
今天向大家介绍德国波恩大学 StachnissLab 的 Xieyuanli Chen 最新的开源算法. 本次介绍的论文题目: Learning an Overlap-based Observatio ...
- 目前缺少用于语义分割的 3D LiDAR 数据吗?关于三维点云数据集和方法的调查
目前缺少用于语义分割的 3D LiDAR 数据吗?关于三维点云数据集和方法的调查 原文 Are We Hungry for 3D LiDAR Data for Semantic Segmentatio ...
- 机器人学习--全局定位(阿尔伯塔大学张宏教授报告)
转自:https://new.qq.com/omn/20200816/20200816A0I8KP00.html 1 机器人导航 大家都知道,机器人分不同形式,有操作的机器臂,还有移动机器人,所有移动 ...
- Patchwork++论文阅读——基于3D点云的快速鲁棒地面分割算法
文章目录 摘要 1. 介绍 2. 相关工作 A. 基于学习的地面分割方法 B. 传统的地面分割方法 C. 地面分割的应用 3. PATCHWORK++:快速.稳健.自适应的地面分割 A. 问题定义 B ...
最新文章
- 在虚拟机中 windows 2003 装.net framework 3.5 出现问题.
- php设计模式 - 建造者模式
- OpenCV | OpenCV将图像转换成黑白图像(二进制)
- Python+Selenium自动化
- DPDK — PMD,DPDK 的核心优化
- django oracle数据库配置,django连接oracle时setting 配置方法
- coredump调试的使用
- 【火炉炼AI】机器学习013-用朴素贝叶斯分类器估算个人收入阶层
- 网站快速成型_我的老板对快速成型有什么期望?
- 在GZIDG弄服务器的这一整夜,快乐
- CentOS 7虚拟机支持virsh console访问
- Vue实现省市区信息选择(附前端源码)
- 游戏开发中的那点英语
- 一致性协议和共识算法
- 电路与电子4.3.5隔离放大器和音频功率放大器
- linux开机启动grub rescue,开机出现 grub rescue的解决方法探索
- AI当“暖男”:给裸照自动穿上比基尼
- Delphi: RTTI与ini配置文件
- saas-export项目-系统日志管理-系统日志AOP配置
- shader学习摘要(八)unity光源类型