摘要：
本人学习的版本为2017.10更新的版本。 前言： 作者对状态估计相关问题的兴趣来自于机器人运动领域，尤其是在空间探索方面。在机器人运动领域，有很多相关的研究探索，比如概率机器人一书。随着计算资源变得昂贵、新的新技术传感器比如数字相机、激光测距仪的出现，机器人成为了状态估计领域新研发的重点。 特别是 阅读全文
摘要：
做slam的人有几本书必看！ 因为从事机器人方面的工作，近来感觉基础方面不足，因此对于理论知识进行巩固补充，需要阅读这几本书，同时在阅读过程中，记录下阅读笔记，也方便其它人学习。 第一本是 《State Estimation for Robotics》 第二本是《Probablistic Robot 阅读全文
摘要：
参考资料：http://blog.exbot.net/archives/1686 参考资料：http://www.ncnynl.com/archives/201609/860.html 什么是tf变换？ 为什么用tf变换，不可以自己计算吗？ 我们在移动机器人中使用坐标，往往是有其自身的参考系的，比如 阅读全文
摘要：
1、获取激光数据并处理 如果是第一个激光数据，则初始化粒子，每一个粒子维护一副地图map，机器人的位姿pose，上个时刻的位姿previous，权重weight，权重总和weightSum。 定义的粒子结构体： struct Particle_{ Point2D pose; double weigh 阅读全文
摘要：
从很多博客上看了关于gmapping的源码详解，至今不是很详细，有些部分不是很理解，决定综合一下，自己对着远吗看一遍，同时把笔记记录下来。 参考来源：http://www.cnblogs.com/yhlx125/p/5634128.html 以及github源码 接下来先看gridslamproce 阅读全文
摘要：
本文来自Coursera（Robotics：Estimation and Learning） 主要讲：机器人世界使用的几种地图 占据栅格地图的表示方法与更新方法 利用激光传感器数据构建占据栅格地图 1、机器人地图分类 尺度地图：坐标、经度纬度等 拓扑地图：用于路径规划 语义地图：用于人机交互 2、栅 阅读全文
摘要：
google cartographer的论文Real-Time Loop Closure in 2D LIDAR SLAM 刚刚研究完gmapping，现在来看看谷歌开源的cartographer，在看源码之前先研究一下它的论文； （所有的都是在看完后根据自己理解写的，如有疑问、疏漏、错误等可留言） 阅读全文
摘要：
参考：http://blog.csdn.net/zxqhbd/article/details/69389019 因为从事机器人行业，涉及到多种传感器的应用场景，涉及的传感器有激光雷达、单目多目摄像头、超声波传感器、IMU等，针对这一问题，产生了一个新兴领域，多传感器数据融合技术，这是近年来发展起来的 阅读全文
摘要：
图（Graph）是由定点的有穷非空集合和顶点之间边的集合组成，通常表示为：G(V，E)，其中，G表示一个图，V表示图中顶点的集合，E是图G中边的集合。 注意：线性表中的数据元素叫元素，树中将数据元素叫做节点，在图中数据元素，我们称之为顶点（Vertex）。 线性表妹有元素叫做空表，树没有节点叫做空树 阅读全文
摘要：
树：是n个节点的有限集。n=0时称为空树。在任意一颗非空树中： 有且仅有一个根（Root）节点 当n>1时，其余节点可分为m（m>0）个互不相交的有限集T1，...，Tn，其中每一个集合本身又是一颗树，并称之为根的子树（SubTree）。 注意：定义中就写明了：根节点只有一个；子树不相交； 1、节点 阅读全文