一.概念LRU(last recently use，最近最少使用)算法是一种内存管理的算法。它的基本思想是：最近使用的页面数据会在未来一段时期内仍然被使用,已经很久没有使用的页面很有可能在未来较长的一段时间内仍然不会被使用。利用它可以筛选热点数据，当缓存达到最大值时，可以进行缓存淘汰。二.LRU的实现:利用双向链表实现2.1 构造链表节点每个节点有键值，并有前后节点。/**
* 构造一个节点
转载
2024-06-24 19:42:28
69阅读
激光 SLAM： 早在 2005 年的时候，激光 SLAM 就已经被研究的比较透彻，框架也已初步确定。激光 SLAM，是目前最稳定、最主流的定位导航方法。 激光 SLAM 地图构建 VSLAM（基于视觉的定位与建图）： 随着计算机视觉的迅速发展，视觉 SLAM 因为信息量大，适用范围广等优点受到广泛
转载
2021-03-09 16:49:00
1113阅读
在此因为要总结写一个文档，所以查阅资料，将总结的内容记录下来，欢迎大家指正！文章将介绍使用的基于机器人操作系统（ROS）框架工作的SLAM算法。 在ROS中提供的五种基于2D激光的SLAM算法分别是：HectorSLAM，Gmapping，KartoSLAM，CoreSLAM和LagoSLAM。当然最后还有比较经典的google开源的cartographer，虽然不是基于ROS的但是大牛们已经将它
转载
2024-01-16 16:59:20
151阅读
# 使用 Python 实现 SLAM（同时定位与地图构建）
在现代机器人和自动驾驶领域，SLAM（Simultaneous Localization and Mapping）是一项基本且重要的技术。它的目标是使机器人在未知环境中不断更新其地图，同时精准定位自身的位置。虽然实现 SLAM 的技术细节比较复杂，但是通过 Python 完成这一目标并非不可实现。下面将为你展示 SLAM 的基本流程和
# Python 实现视觉 SLAM DSO
视觉 SLAM（同步定位与地图构建）是一种通过处理连续图像和传感器数据，来同时估计自身位置并构建环境地图的技术。DSO（Direct Sparse Odometry）是一种高效的 SLAM 方法，通过直接使用图像像素而不是特征点来估计相机的运动和场景的三维结构。本文将带您了解如何在 Python 中实现 DSO 的基础概念，并提供相关的代码示例。
原创
2024-08-03 07:29:03
252阅读
SLAM的定义及用途：如它的名字所告诉我们的：即同时定位（Localization）与建图（Mapping）。应用场景一般多见于机器人导航，场景识别等任务。SLAM的主要过程：跟踪运动中的相机，估算出其在每个时刻的位置和姿态（用一个包含旋转和平移信息的变量来表示：矩阵或者向量），并将相机在不同时刻获取的图像帧融合重建成完整的三维地图。传统的SLAM可分为视觉前端和优化后端两大模块。视觉前端：视觉前
转载
2022-09-30 11:37:51
189阅读
转载
2021-09-07 14:04:27
398阅读
作者 | Will 编辑 | 汽车人概率论基础边缘概率边缘概率是相对于联合概率而言的的，虽然你有两个变量（x,y）但是你可以只考虑x或者y的分部，好像另外一个不存在一样，写作 P(x) 或者 P(y) 。 离散概率和为1，即： 为了简化符号，在可能时通常省略随机变量的明确表示，而是使用常见的缩写 P(x) 代替 P(X=x) 。联合概率和独立两个随机变量
文章目录一、 使用gmapping 算法构建地图Slam 算法介绍HectorSLAMGmappingKartoSLAMCartographer步骤如下（参考官方给出的步骤，我会注释需要注意的地方）：二、gmmaping算法相关参数解释三、navigation 自主导航四、总结 这一篇的建图是后面功能实现的基础，图建不好，会严重影响后面的导航和抓取，所以建图尽量准确，能够省去很多麻烦事。 一、
转载
2024-08-18 11:01:17
177阅读
经典视觉SLAM框架整个视觉SLAM流程包括以下步骤：1. 传感器信息读取。在视觉SLAM中主要为相机图像信息的读取和预处理。2. 视觉里程计（Visual Odometry，VO）。视觉里程计的任务是估算相邻图图像间相机的运动，以及局部地图的样子。VO又称为前段。3. 后端优化（Optimization）。后端接受不同时刻视觉里程计测量的相机位姿以及回环检测的信息，
转载
2023-10-20 17:09:00
131阅读
SLAM包含了两个主要的任务：定位与构图，在移动机器人或者自动驾驶中，这是一个十分重要的问题：机器人要精确的移动，就必须要有一个环境的地图，那么要构建环境的地图就需要知道机器人的位置。在1990年，[1]首次提出使用EKF（扩展卡尔曼滤波器）来逐步估计机器人姿态的后验分布以及地标点的位置。实际上，机器人从未知环境的未知位置开始，通过反复观测运动过程中的环境特征来定位自身的位置和姿态，然后根据自身的
转载
2022-10-05 13:39:07
613阅读
slam, object slam
原创
2021-09-06 17:28:57
938阅读
%-------------------------------------------------------------------------% FILE: slam.m% AUTH: L
原创
2022-10-10 15:52:14
183阅读
介绍Slam：同步定位与建图，就是在定位的同时，建立环境地图。主要思路是根据运动学模型计算位姿，并通过传感得到的环境信息，对估计位姿调整优化，从而得到准确位姿，根据定位及感知数据绘制地图。下图为slam主流框架：传感器感知在视觉SLAM中主要为传感信息的读取和
转载
2023-02-05 09:57:31
837阅读
SLAM(Simultaneous Location and Mapping,同时定位与地图构建），它是指搭载特定传感器的主体，在没有环境先验信息的情况下，于运动过程中建立环境的模型，同时估计自己的运动。经典视觉SLAM框架视觉里程计（Visual Odometry,VO):估算相邻图像间相机的运动，以及局部地图的样子。后端优化（Optimization):接受不同时刻视觉里程计测量的相机位姿，以
转载
2023-06-20 09:59:45
187阅读
同步定位和建图(SLAM)几十年来一直是机器人感知和状态估计的核心问题.SLAM文献的很大一部分直接或间接地集中在地图表示的问题上.最近，基于梯度的学习方法已经改变了几个领域的前景(例如图像识别，语言建模，语音识别).然而,这种技术在SLAM中的成功有限,从形式上来说,我们需要一个将图像中的像素(或者一般来说，
原创
2021-07-16 17:23:12
857阅读
Comparison of Laser SLAM and Visual SLAM 目前，SLAM技术广泛应用于机器人、无人机、无人机、AR、VR等领域，依靠传感器可以实现机器的自主定位、测绘、路径规划等功能。由于传感器的不同，SLAM的实现方式也不同。根据传感器，SLAM主要包括激光SLAM和vis
转载
2020-07-05 12:28:00
834阅读
2评论
# 视觉SLAM Java调用实现指南
## 概述
在本文中，我将向你介绍如何使用Java实现视觉SLAM（即同时定位与地图构建）中的调用。视觉SLAM是一种将视觉信息与机器人定位和建图相结合的技术，可以广泛应用于自动驾驶、增强现实和机器人导航等领域。
## 实现流程
下面是实现视觉SLAM Java调用的整体流程：
| 步骤 | 描述 |
| ------ | ------ |
| 步骤1
原创
2023-09-09 15:45:53
195阅读
去年读了不少论文，但是感觉还是记录下来印象更深刻一些。就在知乎记录吧，内容基本都是是翻译过来的，由于时间有限，没有仔细润色，可能不太通顺，以后在慢慢改。
转载
2022-12-28 15:55:06
171阅读
向优秀的SLAM大神致敬！
转载
2022-09-30 09:23:06
551阅读
