slam

贝叶斯滤波与卡尔曼滤波「贝叶斯滤波用似然 × 先验求最大后验（MAP）」，和「卡尔曼滤波用联合高斯分布求条件后验」，不是两种不同的估计思路，而是线性高斯假设下，同一个贝叶斯推断的两种等价实现方式。

FAST-LIO2 + 蓝海M300激光雷达：从建图到实时栅格图的完整流程本文将系统介绍如何将蓝海光电LDS-M300激光雷达与FAST-LIO2算法相结合，实现高精度3D建图，并借助octomap_server功能包在线实时将3D点云转换为2D栅格地图。

【SLAM】Map Folding在 SLAM（Simultaneous Localization and Mapping，同时定位与建图）中，“叠图现象”（也称为“重影”、“地图重叠”、“ghosting” 或 “map folding”）是指环境中的同一物理区域在构建的地图中被错误地表示为多个不重合或部分重叠的副本。这会导致地图出现“重影”、结构错乱、走廊分叉、墙壁重复等明显失真。

综合强度信息的激光雷达去拖尾算法解析和源码实现本文主要介绍基于几何特征与信号强度的去拖尾算法，和程序实现。拖尾是指当激光束照射到高反射率物体（如反光条、玻璃、镜子、路面标志等）时，在真实目标后方沿激光扫描方向出现一连串虚假点云的现象。这些虚假点通常呈“拖尾”状延伸，严重时可达数米，会误判为障碍物或引起建图畸变。

误差状态卡尔曼滤波（ESKF）推导目录1. 概率基础知识1.1 独立1.2 全概率公式1.3 条件概率公式1.4 贝叶斯公式1.5 高斯概率密度函数

当大模型遇上毫米级定位：机器人将拥有“空间思维”？2026年，大模型正在以前所未有的速度渗透进各个行业。从写代码到画图，从对话到推理，AI的能力边界不断被刷新。然而，有一个领域，大模型至今仍然“水土不服”——物理世界中的空间认知。

制造业室内精准定位：毫米级技术如何破解工厂自动化“最后一厘米”难题在制造业向智能化转型的浪潮中，工业机器人、AGV、自主移动机器人已成为生产线的核心力量。然而，一个长期困扰工厂管理者的技术瓶颈始终存在：机器人在室内环境中，到底能定位得多准？

cartographer源码阅读四-MapBuilder回顾一下在哪里见过MapBuilder，先回忆一下，这个类的创建在src/cartographer _ros/cartographer_ros/cartographer_ros/node_main.cc 的 run 函数中, 可看到下代码:

躺不平的小刘

视觉SLAM十四讲：全攻略 —— 逻辑脉络、学习路线与Ubuntu 18.04实践准备本文是《视觉SLAM十四讲》的深度导读。我们将彻底解析全书的逻辑结构，拆解“数学基础”与“SLAM技术”两大模块的内在联系，并通过完整的流程图绘制，帮你建立起SLAM系统的整体认知。同时，针对选择 Ubuntu 20.04 作为学习环境的初学者，提供第一天必须完成的环境准备与思维导图。

机器人的“室内GPS”：RoomAPS如何为移动设备打造专属室内定位系统在室外，我们早已习惯依赖GPS导航——打开手机，卫星信号便告诉我们身处何方。但在室内，这个全球定位系统却无能为力：信号被建筑遮挡，精度急剧下降。对于需要在室内工作的机器人而言，这一空白长期悬而未决。

最小二乘问题详解16：束平差工程实践总结在上一篇文章《最小二乘问题详解15：束平差原理与基础实现》中，我们从几何模型出发，系统推导了束平差（Bundle Adjustment, BA）的数学形式，并基于 Ceres Solver 实现了一个基础但完整的 BA 系统。在理想合成数据下，该系统能够将初始存在偏差的相机位姿与 3D 点高效优化至亚像素级精度，充分验证了 BA 作为“全局一致性精修”工具的强大能力。

ROS1+VINS-fusion+RTAB-Map 程序部署记录运行环境：Ubuntu 20.04 虚拟机，采用 ROS1 Noetic 版本，使用小鱼一键安装工具完成部署。

毫米级精准定位如何实现机器人自动回充：技术原理与工程实现自动回充是移动机器人的基础功能，也是衡量定位系统可靠性的关键指标。对于AGV、服务机器人、清洁机器人等设备而言，能否在电量耗尽前准确返回充电座并完成对接，直接决定了其连续作业能力。本文从技术角度分析自动回充的核心挑战，并阐述基于毫米级绝对定位的解决方案及其工程实现路径。

LIO-SAM 学习总结featureExtraction.cpp 特征提取角点和面点（易） imageProjection.cpp 点云畸变矫正（易） imuPreintegration.cpp imu预积分和位姿优化（较难） mapOptmization.cpp 地图匹配、位姿优化和回环检测（难）

Tracy Profiler 是目前 C++ 多线程程序实时性能分析工具Tracy Profiler 是目前 C++ 多线程程序（游戏引擎、SLAM、视觉系统）里最强的实时性能分析工具之一。它可以精确分析：

大江东去浪淘尽千古风流人物

【claw】 OpenClaw 的架构设计探索在 OpenClaw 的架构里，Memory、Heartbeat、Core 是 agent 运行的三个基础机制。可以把它理解成一个 AI agent 的大脑结构 + 生命周期管理。

ROS开发实战：如何用rviz文件保存和加载你的SLAM可视化配置（附避坑指南）在SLAM（即时定位与地图构建）项目的开发流程中，可视化调试占据了工程师近一半的工作时间。一个精心调整好的rviz界面，包含了恰到好处的相机位姿轨迹、点云地图、栅格占据信息以及各种传感器数据，它不仅是项目进度的展示窗口，更是算法调试的“眼睛”。然而，很多开发者，包括我自己，都曾经历过这样的窘境：在实验室工作站上花了几个小时才调好的rviz视图，换到机器人实车上或者分享给团队成员时，一切又得从头再来——手动添加每一个显示项，调整视角，设置颜色和尺寸。这种重复劳动不仅低效，更可能因为细微的配置差异导致调试结论

DailyCoding C++ | SLAM里的“幽灵数据”：从一个未初始化的四元数谈C++类设计在开发 LiDAR SLAM 系统时，因为 PoseT 类的一个构造函数疏忽，导致里程计（Odometry）输出出现了极其诡异的 e-310 量级数值。本文将复现这个由“数据冗余”引发的 Bug，探讨 C++ 中“单一数据源”的重要性，并深入剖析拷贝构造函数在 Eigen 类型成员中的正确用法。

大江东去浪淘尽千古风流人物

【SLAM】Hydra-Foundations 层次化空间感知：机器人如何像人类一样理解3D环境Foundations of Spatial Perception for Robotics: Hierarchical Representations and Real-Time Systems