课程介绍:
多传感融合定位( Sensor Fusion for Localization )是目前移动机器人与自动驾驶的核心技术,是其他功能单元的基础。学习这门课不仅能够入门.困难的传感器 IMU ,为后续深入学习打下坚实基础;并且可以学习 30Udar SLAM 的前沿成果,在 ROS 框架下,从零开始,亲手搭建前端一回环检测一基于滤波一基于图优化的融合定位解决方案。在课程上学到的方法能够在日常工作中得到运用,无论是基于滤波的还是基于优化的方法,都可以得到很好的运用;在实际工作中运用学到的方法,分析新加入的传感器的模型及融合思路,帮助实现新传感器的融合定位,同时持清了优化框架的实现方法。
课程截图:
〖课程目录〗:
- | └──8、多传感器融合
- | | ├──第八章_传感器时空标定
- | | | ├──参考文献.zip 57.67M
- | | | ├──传感器时空标定.mp4 175.44M
- | | | ├──大作业.jpg 67.86kb
- | | | └──多传感器融合定位-第8章.pdf 1.07M
- | | ├──第二章_点云地图构建及基于地图的定位
- | | | ├──第1节_内容回顾
- | | | ├──第2节_回环检测及代码实现
- | | | ├──第3节_后端优化与点云地图构建
- | | | ├──第4节_基于点云地图的定位
- | | | ├──第5节_作业代码讲解
- | | | └──多传感器融合定位-第2章.pdf 2.07M
- | | ├──第六章_基于图优化的融合方法
- | | | ├──第1节 基于预积分的融合方案流程
- | | | ├──第2节 预积分模型推导
- | | | ├──第3节 典型方案介绍
- | | | ├──第4节 融合编码器的优化方案
- | | | ├──第5节 作业
- | | | └──多传感器融合定位-L6.pdf 1.88M
- | | ├──第七章_基于图优化的地图定位
- | | | ├──第1节 流程介绍
- | | | ├──第2节 边缘化原理及应用
- | | | ├──第3节 基于KITTI的原理实现
- | | | ├──第4节 LIO-mapping
- | | | ├──第5节 作业
- | | | └──多传感器融合定位-第7章-2.0.pdf 6.40M
- | | ├──第三章_惯性导航原理及误差分析
- | | | ├──第1节 惯性技术简介
- | | | ├──第2节 IMU误差分析及处理
- | | | ├──第3节 内参标定
- | | | ├──第4节 IMU温补
- | | | ├──第5节 惯性导航解算方法
- | | | ├──第6节 惯性导航误差模型
- | | | ├──第7节 作业
- | | | └──多传感器融合定位-第3章.pdf 2.95M
- | | ├──第四章_基于滤波的融合方法
- | | | ├──第1节 概率基础知识
- | | | ├──第2节 滤波器基本原理
- | | | ├──第3节 基于滤波器的融合实现
- | | | ├──第4节 基于KITTI数据集的融合实现
- | | | ├──第5节 作业
- | | | └──多传感器融合定位-第4章.pdf 3.37M
- | | ├──第五章_基于滤波的融合方法进阶
- | | | ├──第1节 融合编码器和融合约束的滤波方法
- | | | ├──第2节 组合导航的常见现象解释
- | | | ├──第3节 融合磁力计和融合点云特征的滤波方法
- | | | ├──第4节 作业及代码
- | | | └──多传感器融合定位-第5章-V2.3.pdf 1.85M
- | | └──第一章_3D激光里程计
- | | | ├──第1节_课程导读
- | | | ├──第2节_里程计方案 ICP&NDT理论讲解
- | | | ├──第3节_里程计方案及代码讲解
- | | | ├──第4节_数据集及其精度评价方法
- | | | ├──第5节_LOAM代码讲解
- | | | ├──第6节_LeAM-LOAM代码讲解
- | | | └──第7节_作业
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。