Suche senden
Hochladen
LiDAR-SLAM チュートリアル資料
•
11 gefällt mir
•
7,053 views
Fujimoto Keisuke
Folgen
2018.05.27, 3D勉強会@関東 発表資料 LiDAR-SLAM チュートリアル
Weniger lesen
Mehr lesen
Technologie
Melden
Teilen
Melden
Teilen
1 von 26
Jetzt herunterladen
Downloaden Sie, um offline zu lesen
Empfohlen
20190307 visualslam summary
20190307 visualslam summary
Takuya Minagawa
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
Kitsukawa Yuki
SLAM勉強会(3) LSD-SLAM
SLAM勉強会(3) LSD-SLAM
Iwami Kazuya
オープンソース SLAM の分類
オープンソース SLAM の分類
Yoshitaka HARA
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII
Cartographer を用いた 3D SLAM
Cartographer を用いた 3D SLAM
Yoshitaka HARA
SLAM開発における課題と対策の一例の紹介
SLAM開発における課題と対策の一例の紹介
miyanegi
ロボティクスにおける SLAM 手法と実用化例
ロボティクスにおける SLAM 手法と実用化例
Yoshitaka HARA
Empfohlen
20190307 visualslam summary
20190307 visualslam summary
Takuya Minagawa
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
Kitsukawa Yuki
SLAM勉強会(3) LSD-SLAM
SLAM勉強会(3) LSD-SLAM
Iwami Kazuya
オープンソース SLAM の分類
オープンソース SLAM の分類
Yoshitaka HARA
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII
Cartographer を用いた 3D SLAM
Cartographer を用いた 3D SLAM
Yoshitaka HARA
SLAM開発における課題と対策の一例の紹介
SLAM開発における課題と対策の一例の紹介
miyanegi
ロボティクスにおける SLAM 手法と実用化例
ロボティクスにおける SLAM 手法と実用化例
Yoshitaka HARA
ORB-SLAMの手法解説
ORB-SLAMの手法解説
Masaya Kaneko
Cartographer と Autoware を用いた自律走行
Cartographer と Autoware を用いた自律走行
Yoshitaka HARA
ORB-SLAMを動かしてみた
ORB-SLAMを動かしてみた
Takuya Minagawa
Visual slam
Visual slam
Takuya Minagawa
SLAM勉強会(PTAM)
SLAM勉強会(PTAM)
Masaya Kaneko
Direct Sparse Odometryの解説
Direct Sparse Odometryの解説
Masaya Kaneko
SLAM入門 第2章 SLAMの基礎
SLAM入門 第2章 SLAMの基礎
yohei okawa
三次元点群処理ライブラリPCLと 統合ロボットシステム研究での 利用例の紹介
三次元点群処理ライブラリPCLと 統合ロボットシステム研究での 利用例の紹介
Ryohei Ueda
ROS を用いた自律移動ロボットのシステム構築
ROS を用いた自律移動ロボットのシステム構築
Yoshitaka HARA
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII
LiDAR点群と画像とのマッピング
LiDAR点群と画像とのマッピング
Takuya Minagawa
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
Yoshitaka HARA
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
MobileRoboticsResear
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Masaya Kaneko
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII
tf,tf2完全理解
tf,tf2完全理解
Koji Terada
SSII2018TS: 3D物体検出とロボットビジョンへの応用
SSII2018TS: 3D物体検出とロボットビジョンへの応用
SSII
SLAMチュートリアル大会資料(ORB-SLAM)
SLAMチュートリアル大会資料(ORB-SLAM)
Masaya Kaneko
Structure from Motion
Structure from Motion
Ryutaro Yamauchi
Appydays: An intro to apps for journalists
Appydays: An intro to apps for journalists
Michael Finch
xDev2010 早い安い新しい「Fast IT」を使いこなせ! クラウドを楽しめるエンジニアの条件
xDev2010 早い安い新しい「Fast IT」を使いこなせ! クラウドを楽しめるエンジニアの条件
Yusuke Suzuki
Weitere ähnliche Inhalte
Was ist angesagt?
ORB-SLAMの手法解説
ORB-SLAMの手法解説
Masaya Kaneko
Cartographer と Autoware を用いた自律走行
Cartographer と Autoware を用いた自律走行
Yoshitaka HARA
ORB-SLAMを動かしてみた
ORB-SLAMを動かしてみた
Takuya Minagawa
Visual slam
Visual slam
Takuya Minagawa
SLAM勉強会(PTAM)
SLAM勉強会(PTAM)
Masaya Kaneko
Direct Sparse Odometryの解説
Direct Sparse Odometryの解説
Masaya Kaneko
SLAM入門 第2章 SLAMの基礎
SLAM入門 第2章 SLAMの基礎
yohei okawa
三次元点群処理ライブラリPCLと 統合ロボットシステム研究での 利用例の紹介
三次元点群処理ライブラリPCLと 統合ロボットシステム研究での 利用例の紹介
Ryohei Ueda
ROS を用いた自律移動ロボットのシステム構築
ROS を用いた自律移動ロボットのシステム構築
Yoshitaka HARA
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII
LiDAR点群と画像とのマッピング
LiDAR点群と画像とのマッピング
Takuya Minagawa
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
Yoshitaka HARA
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
MobileRoboticsResear
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Masaya Kaneko
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII
tf,tf2完全理解
tf,tf2完全理解
Koji Terada
SSII2018TS: 3D物体検出とロボットビジョンへの応用
SSII2018TS: 3D物体検出とロボットビジョンへの応用
SSII
SLAMチュートリアル大会資料(ORB-SLAM)
SLAMチュートリアル大会資料(ORB-SLAM)
Masaya Kaneko
Structure from Motion
Structure from Motion
Ryutaro Yamauchi
Was ist angesagt?
(20)
ORB-SLAMの手法解説
ORB-SLAMの手法解説
Cartographer と Autoware を用いた自律走行
Cartographer と Autoware を用いた自律走行
ORB-SLAMを動かしてみた
ORB-SLAMを動かしてみた
Visual slam
Visual slam
SLAM勉強会(PTAM)
SLAM勉強会(PTAM)
Direct Sparse Odometryの解説
Direct Sparse Odometryの解説
SLAM入門 第2章 SLAMの基礎
SLAM入門 第2章 SLAMの基礎
三次元点群処理ライブラリPCLと 統合ロボットシステム研究での 利用例の紹介
三次元点群処理ライブラリPCLと 統合ロボットシステム研究での 利用例の紹介
ROS を用いた自律移動ロボットのシステム構築
ROS を用いた自律移動ロボットのシステム構築
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
LiDAR点群と画像とのマッピング
LiDAR点群と画像とのマッピング
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
tf,tf2完全理解
tf,tf2完全理解
SSII2018TS: 3D物体検出とロボットビジョンへの応用
SSII2018TS: 3D物体検出とロボットビジョンへの応用
SLAMチュートリアル大会資料(ORB-SLAM)
SLAMチュートリアル大会資料(ORB-SLAM)
Structure from Motion
Structure from Motion
Ähnlich wie LiDAR-SLAM チュートリアル資料
Appydays: An intro to apps for journalists
Appydays: An intro to apps for journalists
Michael Finch
xDev2010 早い安い新しい「Fast IT」を使いこなせ! クラウドを楽しめるエンジニアの条件
xDev2010 早い安い新しい「Fast IT」を使いこなせ! クラウドを楽しめるエンジニアの条件
Yusuke Suzuki
Watson summit 2016_j2_5
Watson summit 2016_j2_5
Tanaka Yuichi
はこだてIKA夜間勉強会 バージョン管理#01 -Subversion編-
はこだてIKA夜間勉強会 バージョン管理#01 -Subversion編-
Seiji KOMATSU
バージョン管理#01 -Subversion編-
バージョン管理#01 -Subversion編-
hakoika-itwg
S3 を単純ストレージとして 利用する手段の比較
S3 を単純ストレージとして 利用する手段の比較
真治 米田
クラウドを超えた先の企業システム像 20091008 JJUG CCC
クラウドを超えた先の企業システム像 20091008 JJUG CCC
Yusuke Suzuki
Browser Based Fingerprinting OWASP Chhattisgarh
Browser Based Fingerprinting OWASP Chhattisgarh
Mohit Sahu
A-Frameで作ったギャラリーのお話
A-Frameで作ったギャラリーのお話
KatsuyaENDOH
CircleCIを使ったSpringBoot/GAEアプリ開発の効率化ノウハウ
CircleCIを使ったSpringBoot/GAEアプリ開発の効率化ノウハウ
Takeshi Mikami
blogサービスの全文検索の話 - #groonga を囲む夕べ
blogサービスの全文検索の話 - #groonga を囲む夕べ
Masahiro Nagano
Mashup Awards は新しい技術を試す絶好の機会です
Mashup Awards は新しい技術を試す絶好の機会です
Nobuhiro Nakajima
2014/12/5 第5回Serverworks Sonic! - VPC ClassicLink
2014/12/5 第5回Serverworks Sonic! - VPC ClassicLink
Aya Komuro
企業におけるSpring@日本springユーザー会20090624
企業におけるSpring@日本springユーザー会20090624
Yusuke Suzuki
Gitで開発するなら知っておいて損はないいくつかのこと
Gitで開発するなら知っておいて損はないいくつかのこと
Shunsuke (Sean) Osawa
第6回コンテナ型仮想化の情報交換@東京「今日から触れる Solaris Zones 入門」
第6回コンテナ型仮想化の情報交換@東京「今日から触れる Solaris Zones 入門」
Kazuyuki Sato
第6回コンテナ型仮想化の情報交換@東京「今日から触れる Solaris Zones 入門」
第6回コンテナ型仮想化の情報交換@東京「今日から触れる Solaris Zones 入門」
SolarisJP
C++ と Visual Studio による Android 開発
C++ と Visual Studio による Android 開発
友太 渡辺
Pythonで検索エンジン2
Pythonで検索エンジン2
Yasukazu Kawasaki
Real-time personalized recommendation using embedding
Real-time personalized recommendation using embedding
Recruit Lifestyle Co., Ltd.
Ähnlich wie LiDAR-SLAM チュートリアル資料
(20)
Appydays: An intro to apps for journalists
Appydays: An intro to apps for journalists
xDev2010 早い安い新しい「Fast IT」を使いこなせ! クラウドを楽しめるエンジニアの条件
xDev2010 早い安い新しい「Fast IT」を使いこなせ! クラウドを楽しめるエンジニアの条件
Watson summit 2016_j2_5
Watson summit 2016_j2_5
はこだてIKA夜間勉強会 バージョン管理#01 -Subversion編-
はこだてIKA夜間勉強会 バージョン管理#01 -Subversion編-
バージョン管理#01 -Subversion編-
バージョン管理#01 -Subversion編-
S3 を単純ストレージとして 利用する手段の比較
S3 を単純ストレージとして 利用する手段の比較
クラウドを超えた先の企業システム像 20091008 JJUG CCC
クラウドを超えた先の企業システム像 20091008 JJUG CCC
Browser Based Fingerprinting OWASP Chhattisgarh
Browser Based Fingerprinting OWASP Chhattisgarh
A-Frameで作ったギャラリーのお話
A-Frameで作ったギャラリーのお話
CircleCIを使ったSpringBoot/GAEアプリ開発の効率化ノウハウ
CircleCIを使ったSpringBoot/GAEアプリ開発の効率化ノウハウ
blogサービスの全文検索の話 - #groonga を囲む夕べ
blogサービスの全文検索の話 - #groonga を囲む夕べ
Mashup Awards は新しい技術を試す絶好の機会です
Mashup Awards は新しい技術を試す絶好の機会です
2014/12/5 第5回Serverworks Sonic! - VPC ClassicLink
2014/12/5 第5回Serverworks Sonic! - VPC ClassicLink
企業におけるSpring@日本springユーザー会20090624
企業におけるSpring@日本springユーザー会20090624
Gitで開発するなら知っておいて損はないいくつかのこと
Gitで開発するなら知っておいて損はないいくつかのこと
第6回コンテナ型仮想化の情報交換@東京「今日から触れる Solaris Zones 入門」
第6回コンテナ型仮想化の情報交換@東京「今日から触れる Solaris Zones 入門」
第6回コンテナ型仮想化の情報交換@東京「今日から触れる Solaris Zones 入門」
第6回コンテナ型仮想化の情報交換@東京「今日から触れる Solaris Zones 入門」
C++ と Visual Studio による Android 開発
C++ と Visual Studio による Android 開発
Pythonで検索エンジン2
Pythonで検索エンジン2
Real-time personalized recommendation using embedding
Real-time personalized recommendation using embedding
Mehr von Fujimoto Keisuke
A quantum computational approach to correspondence problems on point sets
A quantum computational approach to correspondence problems on point sets
Fujimoto Keisuke
F0-Consistent Many-to-many Non-parallel Voice Conversion via Conditional Auto...
F0-Consistent Many-to-many Non-parallel Voice Conversion via Conditional Auto...
Fujimoto Keisuke
YOLACT real-time instance segmentation
YOLACT real-time instance segmentation
Fujimoto Keisuke
Product Managerの役割、周辺ロールとの差異
Product Managerの役割、周辺ロールとの差異
Fujimoto Keisuke
ChainerRLで株売買を結構頑張ってみた(後編)
ChainerRLで株売買を結構頑張ってみた(後編)
Fujimoto Keisuke
Temporal Cycle Consistency Learning
Temporal Cycle Consistency Learning
Fujimoto Keisuke
ML@Loft
ML@Loft
Fujimoto Keisuke
20190414 Point Cloud Reconstruction Survey
20190414 Point Cloud Reconstruction Survey
Fujimoto Keisuke
Chainer meetup 9
Chainer meetup 9
Fujimoto Keisuke
20180925 CV勉強会 SfM解説
20180925 CV勉強会 SfM解説
Fujimoto Keisuke
Sliced Wasserstein Distance for Learning Gaussian Mixture Models
Sliced Wasserstein Distance for Learning Gaussian Mixture Models
Fujimoto Keisuke
Stock trading using ChainerRL
Stock trading using ChainerRL
Fujimoto Keisuke
Cold-Start Reinforcement Learning with Softmax Policy Gradient
Cold-Start Reinforcement Learning with Softmax Policy Gradient
Fujimoto Keisuke
Representation learning by learning to count
Representation learning by learning to count
Fujimoto Keisuke
Dynamic Routing Between Capsules
Dynamic Routing Between Capsules
Fujimoto Keisuke
Deep Learning Framework Comparison on CPU
Deep Learning Framework Comparison on CPU
Fujimoto Keisuke
ICCV2017一人読み会
ICCV2017一人読み会
Fujimoto Keisuke
Global optimality in neural network training
Global optimality in neural network training
Fujimoto Keisuke
CVPR2017 oral survey
CVPR2017 oral survey
Fujimoto Keisuke
Point net
Point net
Fujimoto Keisuke
Mehr von Fujimoto Keisuke
(20)
A quantum computational approach to correspondence problems on point sets
A quantum computational approach to correspondence problems on point sets
F0-Consistent Many-to-many Non-parallel Voice Conversion via Conditional Auto...
F0-Consistent Many-to-many Non-parallel Voice Conversion via Conditional Auto...
YOLACT real-time instance segmentation
YOLACT real-time instance segmentation
Product Managerの役割、周辺ロールとの差異
Product Managerの役割、周辺ロールとの差異
ChainerRLで株売買を結構頑張ってみた(後編)
ChainerRLで株売買を結構頑張ってみた(後編)
Temporal Cycle Consistency Learning
Temporal Cycle Consistency Learning
ML@Loft
ML@Loft
20190414 Point Cloud Reconstruction Survey
20190414 Point Cloud Reconstruction Survey
Chainer meetup 9
Chainer meetup 9
20180925 CV勉強会 SfM解説
20180925 CV勉強会 SfM解説
Sliced Wasserstein Distance for Learning Gaussian Mixture Models
Sliced Wasserstein Distance for Learning Gaussian Mixture Models
Stock trading using ChainerRL
Stock trading using ChainerRL
Cold-Start Reinforcement Learning with Softmax Policy Gradient
Cold-Start Reinforcement Learning with Softmax Policy Gradient
Representation learning by learning to count
Representation learning by learning to count
Dynamic Routing Between Capsules
Dynamic Routing Between Capsules
Deep Learning Framework Comparison on CPU
Deep Learning Framework Comparison on CPU
ICCV2017一人読み会
ICCV2017一人読み会
Global optimality in neural network training
Global optimality in neural network training
CVPR2017 oral survey
CVPR2017 oral survey
Point net
Point net
LiDAR-SLAM チュートリアル資料
1.
3D勉強会@関東発表資料
2.
3.
• • • - SICK LMS291 FARO
Focus3D Velodyne HDL64e
4.
• • • https://www.geospatialworld.net
5.
As-build modeling Forensic inspection Autonomous
driving Reverse engineering / Inspection https://www.faro.com http://asbuiltmodelingservices.com/ http://eijournal.com/ https://papottigabor.wordpress.com/
6.
• • http://pointclouds.org
7.
• - • - •
8.
• - - 𝑹, 𝒕 =
argmin 𝑹,𝑻 𝑑 𝑿/, 𝑇 𝑿1; 𝑹, 𝒕
9.
• - - • - - • - - • - -
10.
• • 𝑗∗ = argmin5
𝑑 𝒑78, 𝑇 𝒑95; 𝑹, 𝒕 𝑹, 𝒕 = argmin 𝑹,𝑻 : 𝑑 𝒑78, 𝑇 𝒑95∗; 𝑹, 𝒕 対応付け 姿勢アップデート http://www.sanko-shoko.net/note.php?id=3c5m
11.
• • • - - - - https://github.com/komi2/survey/blob/master/01/01/kdtree.md
12.
• 𝐸 = :
𝒑8 − (𝑹𝒒8 + 𝒕) 1 8 𝒑B = 1 𝑁 : 𝒑8 8 𝒒B = 1 𝑁 : 𝒒8 8 𝑑𝐸 𝑑𝒕 = : 𝒑8 − 𝑹𝒒8 − 𝒕 8 = : 𝒑8 8 − : 𝑹𝒒8 8 − : 𝒕 8 = 𝑁𝒑B − 𝑹𝑁𝒒B − 𝑁𝒕 = 𝟎 𝒕 = 𝒑B − 𝑹𝒒B t
13.
𝒑F = 𝒑
− 𝒑B 𝒒F = 𝒒 − 𝒒B 𝐸 = : 𝒑8 F + 𝒑B − 𝑹 𝒒8 F + 𝒒B − 𝒕 1 8 𝐸 = : 𝒑8′ − 𝑹𝒒8 F 1 8 𝒕 = 𝒑B − 𝑹𝒒B = : 𝒑8 FH 𝒑8′ 8 − 2 : 𝒑8 FH 𝑹𝒒8 F 8 + : 𝒒8 FH 𝑹H 𝑹𝒒8 F 8 = : 𝒑8 FH 𝒑8′ 8 − 2 : 𝒑8 FH 𝑹𝒒8 F 8 + : 𝒒8 FH 𝒒8 F 8 これを最大化したい定数 定数
14.
: 𝒑8 FH 𝑹𝒒8 F 8 = 𝑇𝑟𝑎𝑐𝑒
: 𝑹𝒑8 F 𝒒8 FH 8 = 𝑇𝑟𝑎𝑐𝑒 𝑹𝑯 𝑯 = : 𝒑8 F 𝒒8 FH 8 ただし、 ここで、正定値行列𝑨𝑨H について、任意の直交行列Bに対し て、以下が成り立つ(後述)。 𝑇𝑟𝑎𝑐𝑒 𝑨𝑨H ≥ 𝑇𝑟𝑎𝑐𝑒 𝑩𝑨𝑨H Hを特異値分解し、 𝑯 = 𝑼𝜦𝑽H 回転行列Rを 𝑹 = 𝑽𝑼H と置いた場合、 とし、 𝑇𝑟𝑎𝑐𝑒 𝑹𝑯 = 𝑇𝑟𝑎𝑐𝑒 𝑽𝜦𝑽H ≥ 𝑇𝑟𝑎𝑐𝑒 𝑩𝑽𝜦𝑽H 任意の回転Bを掛けても、𝑹を𝑽𝑼H R
15.
Special case: データにノイズが大きい場合に、Rが左右反転を含む変換になってし まい、望ましい回転行列にならず、Rの行列式が-1になる。 この場合、 𝑹 =
𝑽diag(1,1, −1)𝑼H と置くことで回避できる。 まとめると、 𝑹 = 𝑽diag 1,1, det 𝑽𝑼H 𝑼H とすることで、常に正しい回転行列が求まる。 𝒕 = 𝒑B − 𝑹𝒒B tはRを用いて、以下から求める
16.
17.
• - - • - - • - • - - • - -
18.
• • • https://www.cc.gatech.edu/~kaess/loops.html
19.
• - 𝐸 = :
(𝑹8 𝒑X + 𝒕8) − (𝑹5 𝒒X + 𝒕5) 1 8Y5,X https://www.maptek.com/
20.
R SO(3)であり、パラメータはr1,r2,r3の3つで構成され、 、 • •
21.
パラメータrで回転行列を微分すると・・・ 例えばr1の場合は、 のように計算できる。
22.
• - • - • -
23.
• • - - 𝐸 = −
: exp − 𝒙8 − 𝝁X 𝜮X 𝒙8 − 𝝁X H 8 対応するグリッドの正規分布に 対するマハラノビス距離 NDT Map 地図への照合度合い
24.
• • • Outlierの確率計測点ijが分布kに属する確率
25.
• • •
26.
• - • • - • • • •
Jetzt herunterladen