原创 SLAM AR 技術與應用

SLAM+AR 技術與應用 一、概述 圖像處理領域涉及AR的技術可以抽象爲這麼一類技術: 通過圖像和其他傳感器信息計算攝像機的位置和圖像內環境三維結構信息,並結合3D渲染提供更自然的人機交互能力。 如圖1所示,位置和結構信息

原创 windows 一鍵安裝boost庫

windows 一鍵安裝boost庫 ORBSLAM保存地圖模塊需要用到boost庫,所以擼起袖子幹,先安裝boost庫,具體流程如下 下載boost庫下載鏈接 2.解壓,這個不多說了 3.打開一個命令行程序,cd 到源碼目錄

原创 windows編譯g20問題解決記錄

windows編譯g20問題解決記錄 error C3861: ‘vasprintf’: identifier not found 參考鏈接 here

原创 ORBSLAM2 windows編譯與問題解決

ORBSLAM2 windows編譯與問題解決,,一次性搞定,親測有效1準備工作2按照如下步驟進行編譯 1準備工作 1.下載windows下的ORBSLAM2版本 ORBSLAM2windows 2.下載cmake Cmake 3

原创 《視覺SLAM十四講》之開源庫的安裝

筆記:《視覺SLAM十四講》之開源庫的安裝 目錄前言1、Eigen線性代數庫的安裝2、Sophus李代數庫的安裝3、OpenCV計算機視覺庫的安裝4、PCL點雲庫的安裝 5、Ceres非線性優化庫的安裝6、G2O圖優化庫

原创 graph slam tutorial : 從推導到應用1

graph slam tutorial : 從推導到應用1 轉自http://blog.csdn.net/heyijia0327感謝博主 前言        SLAM問題的處理方法主要分爲濾波和圖優

原创 深度學習slam算法工程師

打算以後從事slam+深度學習方向的工作,整理一些招聘網站上的工作要求,作爲自己的工作目標。 1、50%配合深度學習算法工程師,集成現有的物體識別框架和貝葉斯方法,構建包含物體標籤的地圖,用於家用機器人的場景理解甚至輔助導航定位 2、

原创 ZED相機+ubuntu16.04運行ORBSLAM2雙目

最近看到許多小夥伴利用zed相機做slam研究,遇到各種問題,由於之前運行過ORBSLAM2,所以出個教程,希望對大家有個參考,如有不足,還請批評指正。 運行環境 ubuntu16.04 Opencv3.1 ROS kineti

原创 ubuntu14.04安裝運行RGBDSLAMV2

ubuntu14.04安裝運行RGBDSLAMV2 決定把目前的開源SLAM方案都編譯運行一遍,然後比較其各種優劣,今天主要進行RGBDSLAMV2的運行,記錄下來,然後深究其內部原理: 運行環境 ubuntu14.04 LTS

原创 ORB-SLAM: A Versatile and Accurate Monocular SLAM Syetem 講解 1

ORB-SLAM: A Versatile and Accurate Monocular SLAM Syetem 講解 1 轉自http://blog.csdn.net/c602273091/articl

原创 ubuntu16.04編譯ORBSLAM2問題解決

在編譯ubuntu16.04ros包的時候出現以下問題 `/usr/bin/ld: CMakeFiles/RGBD.dir/src/ros_rgbd.cc.o: undefined reference to symbol ‘_ZN5bo

原创 ZED雙目相機無法發現設備問題解決

ZED雙目相機無法發現設備問題解決 ZED相機運行ORBSLAM2,今天突然報相機無法打開的問題。弄了很久都沒有找到原因,後來無意中發現是因爲linux內核原因,由於我使用的是ubuntu16.04.3LTS,不知怎麼的,內核被我升級到4

原创 vi中使用xml插件 提示omnifunc未設置錯誤解決方案

最近在學習ROS,需要用到XML編程,於是下載了一個xml插件,鏈接地址爲http://www.vim.org/scripts/script.php?script_id=1397,將下載的 xml.vim 文件複製到 ~/.vim/ftp

原创 ROS-NAOqi(rviz moveit gazebo等)

最近在學習SLAM,實驗室有一款雙足機器人-NAOqi,本來學習SLAM理想的硬件應當是輪式機器人,可以`省去步態的繁雜,本着物盡其用的原則,在ROS中玩了一把NAOqi機器人,玩了才發現官網教程的巨坑,自己摸索,總算順利完成在RVIZ,

原创 PCL簡介以及在linux下的安裝

PCL簡介以及在linux下的安裝 1.點雲處理技術廣泛應用於機器視覺,虛擬現實,機器人學,立體3D影響等諸多領域。其吸收了前人點雲相關研究的基礎上建立起來的跨平臺開源庫,它實現了大量通用算法和數據結構,涉及點雲獲取,濾波,分割配準,檢索