slam

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

大江东去浪淘尽千古风流人物

【pySLAM】pySLAM论文标题：pySLAM: An Open-Source, Modular, and Extensible Framework for SLAM（arXiv:2502.11955）

大江东去浪淘尽千古风流人物

【VLN】VLN Paradigm Alg：模仿学习及其细节（3）极简一句话总结 Auxiliary Loss = 训练时的 “额外小老师”，用额外监督信号帮模型学得更好、更稳，推理时直接下课，不影响最终模型。

大江东去浪淘尽千古风流人物

【VLN】VLN仿真与训练三要素 Dataset，Simulators，Benchmarks（2）A navigation benchmark = scene dataset + simulator + task dataset 简单说就是集成了算法仿真器和仿真任务评估的方式 R2R（Room-to-Room）是视觉语言导航（VLN）领域首个、也是最经典的基准测试集，由场景数据集、仿真器、任务与评估体系构成，核心是让智能体在真实室内 3D 环境中，依据自然语言指令完成跨房间导航。

大江东去浪淘尽千古风流人物

【SLAM新范式】几何主导=》几何+学习+语义+高效表示的融合近年来，SLAM（Simultaneous Localization and Mapping）研究正经历一场深刻的范式变革。传统以“几何主导”的方法逐渐被一种更智能、更鲁棒、更具泛化能力的「几何 + 学习 + 语义 + 高效表示」融合架构所取代。这一趋势不仅体现在算法设计上，也反映在系统部署、多模态感知与大模型赋能等多个层面。

视觉SLAM十四讲合集本来应该还有一篇 orb-slam 的解读的，要弃坑了就先放弃了，前面大部分的内容也写得七七八八了，此文章用于汇总

slam十四讲第五章习题：相机内参变化与SLAM快门选择答：相机内参是描述相机内部光学特性和成像几何关系的一组核心参数，它们建立了从三维相机坐标系到二维像素坐标系的映射关系。下面这个表格汇总了各关键内参的物理意义。

【声呐图像处理】水下前视声呐（FLS）图像拼接与建图全流程解析摘要：在浑浊的水下环境中，光学摄像头的可视范围极其有限，而前视声呐（Forward-Looking Sonar, FLS）凭借其不受光照影响的声学成像特性，成为了水下感知的核心传感器。本文将深入剖析一套完整的前视声呐图像拼接技术方案，从声呐成像机理、抗噪鲁棒的频域配准算法，到基于图优化的全局一致性校正，带你一探水下声学地图构建的硬核技术。

点云数据分割算法之-聚合层次聚类（AHC）平面识别算法原文：Fast Plane Extraction in Organized Point Clouds Using Agglomerative Hierarchical Clustering