本人讲解关于slam一系列文章汇总链接:史上最全slam从零开始有兴趣的朋友可以加微信17575010159相互讨论技术-文末公众号也可关注 一、前言(线性变换)该篇博客主要讲解一个slam中最基础的几个东西，那就是旋转矩阵，缩放矩阵以及偏移矩阵。本人会做一个比较细致的讲解。首先从二维平面开始引入，等大家略微了解之后，再扩展到三维。在讲解之前，聊一下其他的东西，那就是线性变换。在学习线性代数的时候，如果矩阵AAA左乘一个向量v⃗\vecvv,就说成矩阵AAA对向量v⃗\vecvv进行了线性变换。直观上的感觉改变了向量v⃗\vecvv的坐标。但是并不知道其形象的几何意义是什么，那么现在就来更深层
本人讲解关于slam一系列文章汇总链接:史上最全slam从零开始有兴趣的朋友可以加微信17575010159相互讨论技术-文末公众号也可关注 一、前言(线性变换)该篇博客主要讲解一个slam中最基础的几个东西，那就是旋转矩阵，缩放矩阵以及偏移矩阵。本人会做一个比较细致的讲解。首先从二维平面开始引入，等大家略微了解之后，再扩展到三维。在讲解之前，聊一下其他的东西，那就是线性变换。在学习线性代数的时候，如果矩阵AAA左乘一个向量v⃗\vecvv,就说成矩阵AAA对向量v⃗\vecvv进行了线性变换。直观上的感觉改变了向量v⃗\vecvv的坐标。但是并不知道其形象的几何意义是什么，那么现在就来更深层
是对之前看过的一些论文内容的整理。以下方法大部分都是几何+深度学习的结合。部分有开源（碎碎念：有时候看不到具体的代码实现真的很苦恼），这里主要是对几何相关的部分做了一个简单的梳理（比较细节，没有什么大局观），理解不一定完全正确。知乎上近期有几篇很好的关于动态SLAM的帖子，没看过的小伙伴不要错过。一.基于多分辨率的rangeimage1.RF-LIO:Removal-FirstTightly-coupledLidarInertialOdometryinHighDynamicEnvironments利用的是多分辨率的rangeimage。使用投影的rangeimage的可见性来进行移动点识别。1
是对之前看过的一些论文内容的整理。以下方法大部分都是几何+深度学习的结合。部分有开源（碎碎念：有时候看不到具体的代码实现真的很苦恼），这里主要是对几何相关的部分做了一个简单的梳理（比较细节，没有什么大局观），理解不一定完全正确。知乎上近期有几篇很好的关于动态SLAM的帖子，没看过的小伙伴不要错过。一.基于多分辨率的rangeimage1.RF-LIO:Removal-FirstTightly-coupledLidarInertialOdometryinHighDynamicEnvironments利用的是多分辨率的rangeimage。使用投影的rangeimage的可见性来进行移动点识别。1
系统版本：Ubuntu20.04ROS版本：NoeticEVO是用于处理、评估和比较里程计和SLAM算法的轨迹输出的工具。注意：本文的评测是在kitti数据集下进行评测，其他的数据集也支持评测。安装EVO，可以执行下面这条命令。pipinstallevo--upgrade--no-binaryevoevo工具主要有6个常用命令 evo_ape：用于评估绝对位姿误差 evo_rpe：用于评估相对位姿误差 evo_traj：用于画轨迹、输出轨迹文件、转换轨迹数据格式 evo_res：比较来自evo_ape和evo_rpe生成的一个或多个结果文件的工具 evo_fig：（不常用）用
系统版本：Ubuntu20.04ROS版本：NoeticEVO是用于处理、评估和比较里程计和SLAM算法的轨迹输出的工具。注意：本文的评测是在kitti数据集下进行评测，其他的数据集也支持评测。安装EVO，可以执行下面这条命令。pipinstallevo--upgrade--no-binaryevoevo工具主要有6个常用命令 evo_ape：用于评估绝对位姿误差 evo_rpe：用于评估相对位姿误差 evo_traj：用于画轨迹、输出轨迹文件、转换轨迹数据格式 evo_res：比较来自evo_ape和evo_rpe生成的一个或多个结果文件的工具 evo_fig：（不常用）用
前言随着我们了解到机器人如何建立运动学模型和动力学模型之后，我们可以使用Matlab中的仿真工具箱内来对模型的准确性进行验证，并且可以通过内置的函数进行简单的轨迹规划和可视化观察，本节涉及到的工具箱是MATLAB自带的RoboticsToolbox工具箱。一、工具箱介绍及安装1.功能介绍RoboticsToolbox：MATLAB自带的工具箱，常用于实现有关于机械臂的仿真，包含齐次变换求解、正逆运动学求解、雅可比矩阵、动力学仿真以及轨迹规划等功能。作用：由于高自由度机器人的运动学和动力学模型较为复杂，容易产生计算错误，通过使用相应的封装函数可以极大的提高计算效率，验证模型正确性，并通过MATL
前言随着我们了解到机器人如何建立运动学模型和动力学模型之后，我们可以使用Matlab中的仿真工具箱内来对模型的准确性进行验证，并且可以通过内置的函数进行简单的轨迹规划和可视化观察，本节涉及到的工具箱是MATLAB自带的RoboticsToolbox工具箱。一、工具箱介绍及安装1.功能介绍RoboticsToolbox：MATLAB自带的工具箱，常用于实现有关于机械臂的仿真，包含齐次变换求解、正逆运动学求解、雅可比矩阵、动力学仿真以及轨迹规划等功能。作用：由于高自由度机器人的运动学和动力学模型较为复杂，容易产生计算错误，通过使用相应的封装函数可以极大的提高计算效率，验证模型正确性，并通过MATL
CSDN话题挑战赛第2期参赛话题：学习笔记1、前记 C站第5年，我还在分享机器人仿真和控制的基础内容，而且大多以MATLAB仿真为主要内容。从去年到现在为止在C站坚持学习记录的次数有所下降，现在慢慢回归到C站来，当然不排除有水的部分，不过关于机器人系统工具箱RoboticsSystemToolbox的学习记录在我的专栏MATLAB和机器人还是有很多介绍了。 机器人系统工具箱包括碰撞检查、路径规划、轨迹生成、正运动学和逆运动学以及使用刚体树表示的运动学和动力学算法也越来越成熟，反观之对学习机器人来说ROS及其生态圈好像要热闹很多【可能我对其不熟，所以不太喜欢ROS，每次配环境到处都是
CSDN话题挑战赛第2期参赛话题：学习笔记1、前记 C站第5年，我还在分享机器人仿真和控制的基础内容，而且大多以MATLAB仿真为主要内容。从去年到现在为止在C站坚持学习记录的次数有所下降，现在慢慢回归到C站来，当然不排除有水的部分，不过关于机器人系统工具箱RoboticsSystemToolbox的学习记录在我的专栏MATLAB和机器人还是有很多介绍了。 机器人系统工具箱包括碰撞检查、路径规划、轨迹生成、正运动学和逆运动学以及使用刚体树表示的运动学和动力学算法也越来越成熟，反观之对学习机器人来说ROS及其生态圈好像要热闹很多【可能我对其不熟，所以不太喜欢ROS，每次配环境到处都是
