设备拿到手当然是要先试一下效果的,这部分可以参考本专栏的第一篇 Viobot开机指南。 接下来我们就从UI开始熟悉这个产品吧! 1.状态 设备上电会自动运行它的程序,开启了一个服务器,上位机通过连接这个服务器连接到设备,连接成功后就如上图所示,状态栏会显示已连接。 此时它的系统的算法状态是停止状态的,这个系统状态有七个状态: 1)停止 2)mono1初始化中3)mono1运行中
今天这篇是深度稍微高一些的,尽量写细,但是具体实践各家都有不同的方式与工程习惯,就不多赘述了。 小组工作比较忙,代码还没来得及整理,总体更新一下基础知识。 VIO系统后端核心的三种约束是:先验约束,视觉约束与IMU预积分。 实验对象是VINS-MONO,首先因为我们主要的工程是基于VINS-MONO,另外VINS-MONO也是当前所有VIO系统里整个骨干脉络和原理逻辑比较清晰的一版,在其基础
今天主要写针对主流VIO和VSLAM如VINS-MONO和DSO的工程改造思路 肯定是有相当价值的,总体写得比较简单,需要具备软件/硬件/算法等各方面综合能力才能掌握主要路径,具体实现方面以后由其他同事来针对每一个单一闭环来更新。 主流VIO系统核心问题如下: 1. ZUPT零速修正与各种特殊场景失效的问题: 这个在前文已经详细描述过6-7类常见问题,目前也已经在工程上完整的解决了,
首先假设读者是了解基础VSLAM,了解VIO基础(至少要会标定,调过几个开源系统的) 先说一下双目的VINS-FUSION,大部分问题都是基线造成的问题,简单点说就是如果使用较短的基线如5cm(Real sense)和常规的14cm,在大场景(如空间广阔,特征分布远近不一的大户外场景)中失去尺度是比较正常的,室内一般纹 理比较好的区域相对单目还是比较稳定的,尤其是可以静止初始
一.使用上位机控制 TOF版本设备点击TOF ON即可开启TOF,开启后按键会变成TOF OFF,点击TOF OFF即可关闭TOF 补光灯版本设备点击LED ON即可开启LED ,开启后按键会变成LED OFF,点击LED OFF即可关闭LED 设置页面的viobot栏,补光灯前面的勾打上,就默认设备上电会开启补光灯,TOF前面的勾打上,就默认设备上电会开启TOF。 二.ROS控制
太久没更新主要是在忙开发和测试,这几个月被很多同学提问,同时接触了一些实习生。普遍发现动手能力不错,数学基础却差异很大。从我身边电子,CV或者SLAM做得比较杰出的朋友来看,大家普遍有个共性,具备优秀或者杰出的数学基础。今天接着著名的18.06课程,总结和分享一下线性代数部分。全文字多,基本没涉及到具体开发或者具体算法。 在中文网没有搜索到18.06的课程总结,干脆自己写一下,这
VIOBOT种子用户有了一定的数量,日常大家也会进行交流,整理总结一下近期的交流与答疑。 VIO-SLAM(作为三维SLAM,相对于Lidar-SLAM和LIO-SLAM)在工程上落地的长期障碍,不仅在算法精度本身,还有相对严重的鲁棒性问题,尺度问题,世界观问题和沉重的开销/成本问题。 这些我在过往的文章中已经提过了多次,我们组的核心工作也是一步步去解决这些通用性问题,工作已经持续了21个月,
VIO三相性与世界观室内ALL IN ONE 首先以此链接先对近期工作的视频做个正经的引流,完成得这么好的效果,仅仅是因为知乎限流1分钟以内的视频,导致整个浏览量不到300,让人非常不爽。 这套系统已经完成了,很快将正式发布,室外180米实测平移偏差也控制在了0.6%左右,最后1米上下徘徊,旋转无偏。标题其实和今天的文章关系不大,主要是梳理下稠密和稀疏的重点落地与应用。 先列一下最近的一些工作
知识主要来源于对Barfoot教授“机器人学中的状态估计”的分析总结理解以及工程实践,感谢高翔博士及其他译者。 今天写了2篇基础文,决定认真抽时间写一篇干货,是整个系列的第一篇,也是整个团队过去这大半年对整个VSLAM、VIO的全面理解与落地,同时也为后续DIO/VDIO相关的工作做一些记录与整理。 全项工作的起源来自于我们过去6年对整个机器视觉领域的研究和我过去19年对整个EEE相关工作的感
继续感谢Barfoot教授与高翔博士及小伙伴们 最近项目组项目攻关的过程中又卡住了,问题成因一层层地扒基本也拿住了,实验也在疯狂地做,一般到了这个阶段我又没啥事干了,于是开始码字 写正经事前开始惯常性吐槽,同事和学弟们说写文章一定要多发图多放式子多放代码和链接。。。 但是作为一个刚满40的老工程师,实在是不擅长这些,如何用最简单的语言和标注把事情说明白,我觉得是一件更加有意义的事情。 今天
继续感谢Barfoot教授与高翔博士及小伙伴们 这篇算是大通稿了,写卡尔曼和讲过卡尔曼的资料,文章均不及其数。要想写出新意来,感觉还是从多传感器融合融态的方向来写大白话比较好,这篇整体偏向本科生和初学者。 基于这个思路,先列一下运动方程与观测方程(来自于机器人学中的状态估计,下标不会弄截图了): 这2个方程可以说是机器人状态估计中的核心了,整体以及变量对应的含义都有了,注意除了vk是确定
今天突然想起应该补充一下正确的成长路径和需要掌握的技能 机器人状态估计是一门学习曲线陡峭的学科,总体来说需要大量的数学知识,以及较强的代码能力。很多工程师总是会在这个领域开始时就容易放弃,这里我总体描述一下应该如何有效地提升能力,无论是未来考研,还是从事机器人行业(如自动驾驶),还是从事XR或元宇宙行业,相信都会有较大的作用。 1.首先第一步,机器人状态估计数论入门整体是由50%的线性代数,2
机器人状态估计总体由如下三部分构成: 1.前端里程计 2.后端优化 3.回环约束 目前总体的研究重心在后端优化,但本质上无论是光束平差法BA(或称为集束调整)还是卡尔曼滤波,慢慢现在差异都变得越来越小了。这个在后续再详解。今天重点聊聊前端。 前端里程计总体来说是比较简单的部分,描述常用的3种,有部分前端涉及到专利壁垒,提及的主要都是公开和方便使用的。先从提取说起: 1. ORB OR
一看标题就知道,又是一篇基础科普 整个机器人状态估计一般由视觉前端/后端优化与回环约束构成。 今天重点谈一下后端优化,很多是个人的一些感悟。 后端优化无论是使用卡尔曼滤波还是光束平差法BA,到最后都是一个非线性最小二乘问题。 卡尔曼滤波之前详细写过,就不赘述了。 写到这里的时候加几个有意思的知识点,关于距离: 1.欧氏距离:这个代表了两个点之间的真实距离,在坐标系中无论正负,取绝对值
今天这篇是近期工作的一个思考,有待完善。 同时非常偏商业,技术干得再好不也还是得考虑吃饭问题撒。。。总体不是太务虚 首先从个人立场来说,我并不是一个L4自动驾驶的拥护者,但是对无人驾驶(尤其是特定行业的)我很认同。 现在总体机器人状态估计领域,具备以下的一些基本情况: 1.复杂场景感知端极重,一般都以一个或多个线扫雷达,结合强算力平台与一大堆的视觉传感器完成。先不讨论成本,这一系列基础设计
最近做产设和综述把头都整晕了,本来想认真更新GPU那篇DSP的姊妹篇,突然觉得太长了实在是没有写的欲望,还是写篇杂文算了。。。一看这个标题就知道 首先如果没有关于机器人状态估计(4)-成长路径与能力提升这块基础知识建议自行劝退。。。别往下看了,还差得太远。 之前有提过: 一个完美的VIO,其实是一个既要又要还要且要的东西,非常的恶心: 1.既要位姿准确(ORB-SLAM3, VINS-MO
很久没更新自己的大专栏了,熟悉我博客的朋友应该知道如果写这个标题,就说明是挺认真写的~哈哈。 最近的工作也确实取得了很大的进展,进入了更困难的深水区 首先得感谢港科多位师兄师弟的帮助,尤其是本末提供的Diable刑天小车车,优秀的编码直驱电机的表现,轮足设计和棒棒的6DOF全能,很大程度的帮助了我们的工作!导致这一版几乎是为刑天量身订做的。。。其他底盘泛用性应该也是可以的。另外感谢某师兄企业优
VIO三相性与世界观室内ALL IN ONE 首先以此链接先对近期工作的视频做个正经的引流,完成得这么好的效果,仅仅是因为知乎限流1分钟以内的视频,导致整个浏览量不到300,让人非常不爽。 这套系统已经完成了,很快将正式发布,室外180米实测平移偏差也控制在了0.6%左右,最后1米上下徘徊,旋转无偏。标题其实和今天的文章关系不大,主要是梳理下稠密和稀疏的重点落地与应用。 先列一下最近的一些
关于机器人状态估计(10)-VSLAM与VIO的3D建图,重定位与世界观综述 近期我国迎来了cov海啸,其实我也不知道我羊了没有,但并没有什么不舒服同时因为我没有测,那自然是没有羊,或者是薛定谔的羊。 近年另外一块工作的综述,这篇科普的同时,也会包含部分有价值的信息。 一. 摘要: 本文重点描述VSLAM与VIO的3D建图,重定位,回环与世界观,从小伙伴们最关心的工程和商用搞钱的角度进行详
写这篇文章的时候刚发生行业大事件: Google收购ROS 其实一开始还是水,绝对大量文不对题,但是必有干货,毕竟用的是这个关键的系列标题。 最近有几件行业内发生的大小事,让我觉得有必要更一下。 首先是Livox的mid-360好几个亲密小伙伴开始关心我会不会失业。。。~ 其实说真的,我非常开心和快乐,早在2021年中的时候,在珠三角内部产业研讨中我们就已经得出了未来高线束(64-128)
积分
粉丝
勋章
TA还没有专栏噢
第三方账号登入
看不清?点击更换
第三方账号登入
QQ 微博 微信