过于SLAM的一篇杂记
标定就是找到雷达到相机的空间转换关系，在不同的坐标系之间转换需要旋转矩阵 R 和平移矩阵 T，为后续的雷达和相机数据融合做准备：
一个标定图
http://wiki.ros.org/camera_calibration/Tutorials/MonocularCalibration校准单目的相机
几种旋转控制的数学转换
匹配的算法流程
一个典型的SLAM框架
速度不太的传感器之间的信息使用
惯性/激光雷达组合SLAM
将惯性/视觉与惯性/激光雷达两种里程计进行融合示意图
惯性/视觉/激光雷达紧组合示意图
惯性/视觉/激光雷达组合SLAM
KLT 算法本质上也基于光流的三个假设，不同于前述直接比较像素点灰度值的作法，KLT 比较像素点周围的窗口像素，来寻找最相似的像素点。
这个SLAM确实是又多又难，自学有点费劲，还是应该找个课上一手，虽然我上课就犯困，但是这个事情上面是有必要的。
https://blog.csdn.net/weixin_42905141/article/details/102647830https://www.163.com/dy/article/HFIK7I0S05119RIN.html过于雷达和IMU的标定论文
http://epsilonjohn.club/2022/03/06/Fast-LIO%E7%B3%BB%E5%88%97/ROLI%E6%BF%80%E5%85%89%E9%9B%B7%E8%BE%BEIMU%E5%88%9D%E5%A7%8B%E5%8C%96%E5%8F%8A%E6%A0%87%E5%AE%9A本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。
原始发表：2022-10-17，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号