研究生期间工作记录

23/11开始记录工作细节,总是忘记一些工作细节和之前的工作。

时间 工作
23/07 从视觉slam方向转换位激光slam,细读了LOAM、LIO-SAM、FAST-LIO2、faster-lio
23/08 研究低内存消耗方向的大规模激光slam,以及提高精度
23/09 完成一篇会议论文,并开始写第一份代码
23/10 完成第一份代码,开始搞激光语义slam,运行rangenet++和lidar-bonnetal
23/11 开始第二份代码
23/12

第一份代码:将faster lio加入GTSAM因子图,实现回环

细节记录
1 PCL库的ICP、NDT、GICP,点云匹配的初值设定很重要
2 gtsam优化中,误差设定太小会导致数据很异常
3 gtsam回环优化中,仅靠一个回环匹配难以拉回,需要多个才可以矫正
4 累积误差过大,通过GTSAM矫正反而会使地图质量下降
5 Faster lio 中通过使用哈希表和链表构成了LRU,得益于这个结构,省内存、快搜索
6
7
相关推荐
WWZZ20256 天前
快速上手大模型:深度学习3(实践:线性神经网络Softmax)
人工智能·深度学习·神经网络·机器人·大模型·slam·具身感知
WWZZ20257 天前
快速上手大模型:深度学习4(实践:多层感知机)
人工智能·深度学习·计算机视觉·机器人·大模型·slam·具身智能
放羊郎9 天前
SLAM各类算法特点对比
人工智能·算法·slam·视觉slam·建图·激光slam
放羊郎10 天前
基于三维点云图的路径规划
人工智能·动态规划·slam·点云·路径规划·激光slam
求索小沈11 天前
ubuntu22.04 ros2 fast_lio2 复现
slam·ros2·重定位·建图·mid360·fast_lio2
WWZZ202511 天前
快速上手大模型:深度学习2(实践:深度学习基础、线性回归)
人工智能·深度学习·算法·计算机视觉·机器人·大模型·slam
WWZZ202516 天前
快速上手大模型:机器学习6(过拟合、正则化)
人工智能·算法·机器学习·计算机视觉·机器人·slam·具身感知
WWZZ202516 天前
快速上手大模型:机器学习5(逻辑回归及其代价函数)
人工智能·算法·机器学习·计算机视觉·机器人·slam·具身感知
WWZZ202517 天前
快速上手大模型:机器学习3(多元线性回归及梯度、向量化、正规方程)
人工智能·算法·机器学习·机器人·slam·具身感知
放羊郎18 天前
面向不同障碍物的自主导航策略
yolo·slam·识别·平滑·语义地图