tokenpocketapp官方地址|limo

首页
limo

tokenpocketapp官方地址|limo

作者： tokenpocketapp官方地址

2024-03-07 19:39:23

LIMO中文(简体)翻译：剑桥词典

词典

翻译

语法

同义词词典

+Plus

剑桥词典+Plus

Shop

剑桥词典+Plus

我的主页

+Plus 帮助

退出

剑桥词典+Plus

我的主页

+Plus 帮助

退出

中文 (简体)

查找

英语-中文（简体）

limo 在英语-中文（简体）词典中的翻译

limonoun [ C ] uk

Your browser doesn't support HTML5 audio

/ˈlɪm.əʊ/ us

Your browser doesn't support HTML5 audio

/ˈlɪm.oʊ/

Add to word list

a large, expensive car, often driven by a chauffeur (= a person employed to drive a car for someone else); short for

limousine

豪华轿车（limousine的缩写）

Despite his fame, he chooses to take the bus rather than get around in a chauffeur-driven limo.

尽管他声名显赫，但他还是选择乘坐公共汽车出行，而不是有司机驾驶的豪华轿车。

He got the limo driver to drive backwards up an alley to avoid people trying to follow.

更多范例减少例句She jumped into a blacked-out limo.There was a limo waiting outside.Their date included a limo ride, a barbershop quartet, and seven dozen roses.

(limo在剑桥英语-中文（简体）词典的翻译 © Cambridge University Press)

limo的翻译

中文（繁体）

豪華轎車（limousine的縮寫）…

查看更多内容

需要一个翻译器吗？

获得快速、免费的翻译！

翻译器工具

limo的发音是什么？

在英语词典中查看 limo 的释义

浏览

limited edition

limiting

limitless

limits phrase

limo

limousine

limp

limp-wristed

limpet

limo更多的中文(简体)翻译

全部

limo, at limousine

stretch limo, at stretch limousine

查看全部意思»

“每日一词”

veggie burger

Your browser doesn't support HTML5 audio

/ˈvedʒ.i ˌbɜː.ɡər/

Your browser doesn't support HTML5 audio

/ˈvedʒ.i ˌbɝː.ɡɚ/

a type of food similar to a hamburger but made without meat, by pressing together small pieces of vegetables, seeds, etc. into a flat, round shape

关于这个

博客

Forget doing it or forget to do it? Avoiding common mistakes with verb patterns (2)

March 06, 2024

新词

stochastic parrot

March 04, 2024

已添加至 list

回到页面顶端

内容

英语-中文（简体）翻译

©剑桥大学出版社与评估2024

学习

新词

帮助

纸质书出版

Word of the Year 2021

Word of the Year 2022

Word of the Year 2023

开发

词典API

双击查看

搜索Widgets

执照数据

关于

无障碍阅读

剑桥英语教学

剑桥大学出版社与评估

授权管理

Cookies与隐私保护

语料库

使用条款

京ICP备14002226号-2

©剑桥大学出版社与评估2024

剑桥词典+Plus

我的主页

+Plus 帮助

退出

词典

定义

清晰解释自然的书面和口头英语

英语

学习词典

基础英式英语

基础美式英语

翻译

点击箭头改变翻译方向。

双语词典

英语-中文（简体）

Chinese (Simplified)–English

英语-中文（繁体）

Chinese (Traditional)–English

英语-荷兰语

荷兰语-英语

英语-法语

法语-英语

英语-德语

德语-英语

英语-印尼语

印尼语-英语

英语-意大利语

意大利语-英语

英语-日语

日语-英语

英语-挪威语

挪威语-英语

英语-波兰语

波兰语-英语

英语-葡萄牙语

葡萄牙语-英语

英语-西班牙语

西班牙语-英语

English–Swedish

Swedish–English

半双语词典

英语-阿拉伯语

英语-孟加拉语

英语-加泰罗尼亚语

英语-捷克语

英语-丹麦语

English–Gujarati

英语-印地语

英语-韩语

英语-马来语

英语-马拉地语

英语-俄语

English–Tamil

English–Telugu

英语-泰语

英语-土耳其语

英语-乌克兰语

English–Urdu

英语-越南语

翻译

语法

同义词词典

Pronunciation

剑桥词典+Plus

Shop

剑桥词典+Plus

我的主页

+Plus 帮助

退出

中文 (简体)

Change

English (UK)

English (US)

Español

Русский

Português

Deutsch

Français

Italiano

中文 (简体)

正體中文 (繁體)

Polski

한국어

Türkçe

日本語

Tiếng Việt

हिंदी

தமிழ்

తెలుగు

关注我们

选择一本词典

LIMOUSINE中文(简体)翻译：剑桥词典

词典

翻译

语法

同义词词典

+Plus

剑桥词典+Plus

Shop

剑桥词典+Plus

我的主页

+Plus 帮助

退出

剑桥词典+Plus

我的主页

+Plus 帮助

退出

中文 (简体)

查找

英语-中文（简体）

limousine 在英语-中文（简体）词典中的翻译

limousinenoun [ C ] uk

Your browser doesn't support HTML5 audio

/ˌlɪm.əˈziːn/ us

Your browser doesn't support HTML5 audio

/ˌlɪm.əˈziːn/ (informal limo, uk

Your browser doesn't support HTML5 audio

/ˈlɪm.əʊ/ us

Your browser doesn't support HTML5 audio

/-oə/)

Add to word list

a large, expensive car, often driven by a chauffeur (= a person employed to drive a car for someone else)

（通常有专职司机的）大型豪华轿车

US a small bus to take people to and from an airport

（往返机场接客的）中型客车；机场班车

(limousine在剑桥英语-中文（简体）词典的翻译 © Cambridge University Press)

limousine的例句

limousine

Passengers could use the control panel to raise/lower windows, turn on reading lamps, operate radio, or (in limousines) raise/lower the central partition.

来自 Wikipedia

该例句来自维基百科，在CC BY-SA许可下可重复使用。

None of the limousines, body-guards, or members of the press which surround her in public life are present: she stands alone.

来自 Cambridge English Corpus

Members of the cast arrived in white limousines.

来自 Wikipedia

该例句来自维基百科，在CC BY-SA许可下可重复使用。

Indeed, if we had linked our pay to that of editors, we would all be being driven home in limousines at the end of the day.

来自 Hansard archive

该例句来自Hansard存档。包含以下议会许可信息开放议会许可v3.0

Few stretch limousines are sold new to private individuals.

来自 Wikipedia

该例句来自维基百科，在CC BY-SA许可下可重复使用。

The removal of licence plates also allows funeral directors to supplement their income by offering their limousines for hire when they are not being used for funerals.

来自 Hansard archive

该例句来自Hansard存档。包含以下议会许可信息开放议会许可v3.0

A few custom markets, such as limousines, may still use them.

来自 Wikipedia

该例句来自维基百科，在CC BY-SA许可下可重复使用。

The campaign waged against council house tenants began by pointing out that poor people living under bad conditions are subsidising people who drive away in limousines from council house estates.

来自 Hansard archive

该例句来自Hansard存档。包含以下议会许可信息开放议会许可v3.0

示例中的观点不代表剑桥词典编辑、剑桥大学出版社和其许可证颁发者的观点。

limousine的翻译

中文（繁体）

（通常有專職司機的）大型豪華轎車, （往返機場接客的）中型客車, 機場班車…

查看更多内容

西班牙语

limusina…

查看更多内容

葡萄牙语

limusine…

查看更多内容

更多语言

土耳其语

法语

in Dutch

捷克语

丹麦语

印尼语

泰语

越南语

波兰语

in Swedish

马来语

德语

挪威语

in Ukrainian

俄语

limuzin…

查看更多内容

limousine…

查看更多内容

limousine…

查看更多内容

limuzína…

查看更多内容

limousine…

查看更多内容

limusin…

查看更多内容

รถยนต์ขนาดใหญ่…

查看更多内容

xe li-mu-din…

查看更多内容

limuzyna…

查看更多内容

limousin…

查看更多内容

limusin…

查看更多内容

die Limousine…

查看更多内容

limousin…

查看更多内容

лімузин…

查看更多内容

лимузин…

查看更多内容

需要一个翻译器吗？

获得快速、免费的翻译！

翻译器工具

limousine的发音是什么？

在英语词典中查看 limousine 的释义

浏览

limiting

limitless

limits phrase

limo

limousine

limp

limp-wristed

limpet

limpet mine

limousine更多的中文(简体)翻译

全部

stretch limousine

查看全部意思»

“每日一词”

veggie burger

Your browser doesn't support HTML5 audio

/ˈvedʒ.i ˌbɜː.ɡər/

Your browser doesn't support HTML5 audio

/ˈvedʒ.i ˌbɝː.ɡɚ/

a type of food similar to a hamburger but made without meat, by pressing together small pieces of vegetables, seeds, etc. into a flat, round shape

关于这个

博客

Forget doing it or forget to do it? Avoiding common mistakes with verb patterns (2)

March 06, 2024

新词

stochastic parrot

March 04, 2024

已添加至 list

回到页面顶端

内容

英语-中文（简体）例句翻译

©剑桥大学出版社与评估2024

学习

新词

帮助

纸质书出版

Word of the Year 2021

Word of the Year 2022

Word of the Year 2023

开发

词典API

双击查看

搜索Widgets

执照数据

关于

无障碍阅读

剑桥英语教学

剑桥大学出版社与评估

授权管理

Cookies与隐私保护

语料库

使用条款

京ICP备14002226号-2

©剑桥大学出版社与评估2024

剑桥词典+Plus

我的主页

+Plus 帮助

退出

词典

定义

清晰解释自然的书面和口头英语

英语

学习词典

基础英式英语

基础美式英语

翻译

点击箭头改变翻译方向。

双语词典

英语-中文（简体）

Chinese (Simplified)–English

英语-中文（繁体）

Chinese (Traditional)–English

英语-荷兰语

荷兰语-英语

英语-法语

法语-英语

英语-德语

德语-英语

英语-印尼语

印尼语-英语

英语-意大利语

意大利语-英语

英语-日语

日语-英语

英语-挪威语

挪威语-英语

英语-波兰语

波兰语-英语

英语-葡萄牙语

葡萄牙语-英语

英语-西班牙语

西班牙语-英语

English–Swedish

Swedish–English

半双语词典

英语-阿拉伯语

英语-孟加拉语

英语-加泰罗尼亚语

英语-捷克语

英语-丹麦语

English–Gujarati

英语-印地语

英语-韩语

英语-马来语

英语-马拉地语

英语-俄语

English–Tamil

English–Telugu

英语-泰语

英语-土耳其语

英语-乌克兰语

English–Urdu

英语-越南语

翻译

语法

同义词词典

Pronunciation

剑桥词典+Plus

Shop

剑桥词典+Plus

我的主页

+Plus 帮助

退出

中文 (简体)

Change

English (UK)

English (US)

Español

Русский

Português

Deutsch

Français

Italiano

中文 (简体)

正體中文 (繁體)

Polski

한국어

Türkçe

日本語

Tiếng Việt

हिंदी

தமிழ்

తెలుగు

关注我们

选择一本词典

激光SLAM总结——VLOAM / LIMO算法解析_v-loam-CSDN博客

激光SLAM总结——VLOAM / LIMO算法解析

Leo-Peng

已于 2024-02-16 14:23:17 修改

阅读量8.1k

102

点赞数

分类专栏：

激光SLAM

视觉SLAM从入门到放弃

视觉SLAM

文章标签：

算法

自动驾驶

SLAM

于 2021-09-24 20:42:16 首次发布

本文链接：https://blog.csdn.net/weixin_44580210/article/details/119857381

版权

视觉SLAM

同时被 3 个专栏收录

42 篇文章

104 订阅

订阅专栏

视觉SLAM从入门到放弃

30 篇文章

176 订阅

订阅专栏

激光SLAM

5 篇文章

29 订阅

订阅专栏

激光SLAM总结——VLOAM / LIMO算法解析

激光SLAM总结——VLOAM / LIMO算法解析1. VLOAM算法1.1 总体框架1.2 视觉里程计1.3 激光里程计1.4 实验结果

2. LIMO算法2.1 总体框架2.2 尺度估计2.3 帧间估计与后端优化2.4 实验结果

激光SLAM总结——VLOAM / LIMO算法解析

在激光SLAM领域，LOAM、Lego-LOAM属于纯激光领域，除此之外还衍生处理视觉激光结合、激光IMU结合，甚至三者结合的算法，本篇博客介绍的VLOAM和LIMO算法就是属于视觉和激光结合的算法，其中VLOAM算法更偏向于是一种激光SLAM算法，而LIMO算法更偏向于是一种视觉SLAM算法，具体地如下：

1. VLOAM算法

VLOAM算法是在2015年ICRA上提出的，但至今在KITTI榜的Odometry数据集上成绩仍然靠前 VLOAM原论文名为《Visual-lidar Odometry and Mapping: Low-drift, Robust, and Fast》，作者并没有对代码进行开源，复现的版本有两个，分别是YukunXia/VLOAM-CMU-16833和Jinqiang/demo_lidar，其中，前者是在去年CMU的几位大佬在A-LOAM代码基础上进行改进的，并通过报告对结果进行了详细的分析，本博客就是在此基础上VLOAM的原理和代码进行简单总结。

对A-LOAM还不了解的同学可以参考下博客激光SLAM总结——特征点提取与匹配

1.1 总体框架

VLOAM算法的总体框架如下： VLOAM算法整体分为视觉里程计VO和激光里程计LO两部分，视觉里程计以60HZ的频率运行，视觉里程计通过激光获一部分视觉特征点的深度，其输出位姿变换积分后为帧间变换估计（Sweep to Sweep Refinement）提供先验，而激光里程计以1HZ进行帧间变换估计以及帧到地图的位姿估计（Sweep to Map Registraion），并最终融合视觉里程计的60Hz输出和激光里程计的1Hz输出作为最终的60Hz输出，可看出来，VLOAM主要有如下特点：

核心其实以LOAM为基础的激光里程计，视觉里程计仅仅是提供了先验，视觉里程计完全可以由IMU或者其他高频里程计代替；视觉里程计的优势是可以提供高频输出，但是没有尺度且对于光照、纹理等要求比较强，激光里程计的优势是对环境要求较低并可以构建地图，但是输出频率较低，因此从某种成都上说VLOAM算法正式很好地利用了他们的特点进行了互补才达到相对较好的效果；

下面具体分析下各个部分的算法

1.2 视觉里程计

VLOAM视觉里程计中追踪部分没啥特别的，使用光流法或者特征点匹配都可以，较为特别的一点是VLOAM使用激光来恢复视觉特征点的深度（在图像系下寻找最近的三个激光点拟合平面或者求均值，在后面LIMO算法中详细介绍），从而获得了具备深度的特征点

[

]

\mathbf{X}_{i}^{k}=\left[\begin{array}{lll}x_{i}^{k}, & y_{i}^{k}, & z_{i}^{k}\end{array}\right]^{T}

Xik=[xik,yik,zik]T以及不具备深度的特征点

[

]

\hat{\mathbf{X}}_{i}^{k}=\left[\begin{array}{lll}\hat{x}_{i}^{k}, & \hat{y}_{i}^{k}, & \hat{z}_{i}^{k}\end{array}\right]^{T}

X^ik=[x^ik,y^ik,z^ik]T两种类型，前后帧匹配特征点均满足变换方程

\mathbf{X}_{i}^{k+1}=\mathbf{R} \mathbf{X}_{i}^{k}+\mathbf{T}

Xik+1=RXik+T 对于具备深度的点：对于前一帧有深度的点，下一帧未必有深度，因此我们可以总是假设下一帧该点无法通过激光获得该点深度，有

\mathbf{X}_{i}^{k+1}=d_{i}^{k+1} \hat{\mathbf{X}}_{i}^{k+1}

Xik+1=dik+1X^ik+1，其中

d_{i}^{k+1}

dik+1是下一帧该点假设深度，通过联立该方程和变换方程，并消除

d_{i}^{k+1}

dik+1就可以获得如下方程组

(

−

)

−

\left(\hat{z}_{i}^{k+1} \mathbf{R}_{1}-\hat{x}_{i}^{k+1} \mathbf{R}_{3}\right) \mathbf{X}_{i}^{k}+\hat{z}_{i}^{k+1} T_{1}-\hat{x}_{i}^{k+1} T_{3}=0

(z^ik+1R1−x^ik+1R3)Xik+z^ik+1T1−x^ik+1T3=0

(

−

)

−

\left(\hat{z}_{i}^{k+1} \mathbf{R}_{2}-\hat{y}_{i}^{k+1} \mathbf{R}_{3}\right) \mathbf{X}_{i}^{k}+\hat{z}_{i}^{k+1} T_{2}-\hat{y}_{i}^{k+1} T_{3}=0

(z^ik+1R2−y^ik+1R3)Xik+z^ik+1T2−y^ik+1T3=0其中

\mathbf{R}_{1}\,\mathbf{R}_{2},\mathbf{R}_{3}

R1R2,R3分别为旋转矩阵的第一、第二和第三行，

T_{1},T_{2},T_{3}

T1,T2,T3分别为平移向量的第一、第二和第三行。对于不具备深度的点我们有

d_{i}^{k} \hat{\mathbf{X}}_{i}^{k}

dikX^ik和

d_{i}^{k+1} \hat{\mathbf{X}}_{i}^{k+1}

dik+1X^ik+1，其中

d_{i}^{k}

dik和

d_{i}^{k+1}

dik+1为当前帧和下一帧该点假设深度，我们同样将该方程与变换方程联立，通过消除

d_{i}^{k}

dik和

d_{i}^{k+1}

dik+1得到

[

−

]

\left[\begin{array}{c} -\hat{y}_{i}^{k+1} T_{3}+\hat{z}_{i}^{k+1} T_{2} \\ -\hat{x}_{i}^{k+1} T_{3}-\hat{z}_{i}^{k+1} T_{1} \\ -\hat{x}_{i}^{k+1} T_{2}+\hat{y}_{i}^{k+1} T_{1} \end{array}\right] \mathbf{R} \hat{\mathbf{X}}_{i}^{k}=0

−y^ik+1T3+z^ik+1T2−x^ik+1T3−z^ik+1T1−x^ik+1T2+y^ik+1T1

RX^ik=0在论文中推导的都是解析解的计算方式，而在基于Ceres复现的代码中分别实现了3D-3D，3D-2D，2D-3D，2D-2D四种特征点基于优化的求解运算并在报告中做了对比，对于具备深度的点，也就是3D-2D的情况，残差构建就是将前一帧具备深度的点变换到后一帧坐标系下，并在归一化平面上构建X方向和Y方向的残差，如下：

struct CostFunctor32

{ // 32 means 3d - 2d observation pair

CostFunctor32(double observed_x0, double observed_y0, double observed_z0, double observed_x1_bar,

double observed_y1_bar)

: // TODO: check if const & is necessary

observed_x0(observed_x0)

, observed_y0(observed_y0)

, observed_z0(observed_z0)

, // 3

observed_x1_bar(observed_x1_bar)

, observed_y1_bar(observed_y1_bar)

{

} // 2

template

bool operator()(const T* const angles, const T* const t, T* residuals) const

{

T X0[3] = { T(observed_x0), T(observed_y0), T(observed_z0) };

T observed_x1_bar_T = T(observed_x1_bar);

T observed_y1_bar_T = T(observed_y1_bar);

T R_dot_X0[3];

ceres::AngleAxisRotatePoint(angles, X0, R_dot_X0);

R_dot_X0[0] += t[0];

R_dot_X0[1] += t[1];

R_dot_X0[2] += t[2];

residuals[0] = R_dot_X0[0] - R_dot_X0[2] * observed_x1_bar_T;

residuals[1] = R_dot_X0[1] - R_dot_X0[2] * observed_y1_bar_T;

return true;

}

对于不具备深度的点，也就是2D-2D的情况，残差构建就是将前一帧不具备深度点变换到后一帧后构建一维投影残差（点积），这和我们平常求解基础矩阵后者本质矩阵的方法是不太一样的，为啥这样做呢，我的理解是需要和具备深度点求解的变换保证在同一尺度下？我不是特别确定，具体如下：

struct CostFunctor22

{ // 22 means 2d - 2d observation pair

CostFunctor22(double observed_x0_bar, double observed_y0_bar, double observed_x1_bar, double observed_y1_bar)

: // TODO: check if const & is necessary

observed_x0_bar(observed_x0_bar)

, observed_y0_bar(observed_y0_bar)

, // 2

observed_x1_bar(observed_x1_bar)

, observed_y1_bar(observed_y1_bar)

{

} // 2

template

bool operator()(const T* const angles, const T* const t, T* residuals) const

{

T observed_X0_bar_T[3] = { T(observed_x0_bar), T(observed_y0_bar), T(1.0) };

T observed_X1_bar_T[3] = { T(observed_x1_bar), T(observed_y1_bar), T(1.0) };

T observed_X0_bar_T_to1[3];

ceres::AngleAxisRotatePoint(angles, observed_X0_bar_T, observed_X0_bar_T_to1);

T t_cross_observed_X0_bar_T_to1[3];

ceres::CrossProduct(t, observed_X0_bar_T_to1, t_cross_observed_X0_bar_T_to1);

residuals[0] = ceres::DotProduct(observed_X1_bar_T, t_cross_observed_X0_bar_T_to1);

return true;

}

static ceres::CostFunction* Create(const double observed_x0_bar, const double observed_y0_bar,

const double observed_x1_bar, const double observed_y1_bar)

{

return (new ceres::AutoDiffCostFunction(

new CostFunctor22(observed_x0_bar, observed_y0_bar, observed_x1_bar, observed_y1_bar)));

}

double observed_x0_bar, observed_y0_bar, observed_x1_bar, observed_y1_bar;

// TODO: check if the repeated creations of cost functions will decreases the performance?

};

1.3 激光里程计

VLOAM激光里程计和LOAM是几乎一致的，在作者的代码实现中也是直接复用了A-LOAM的代码，唯一可能有一些区别的是在Sweep to Sweep Refinement的频率是1Hz，并且是使用视觉里程计积分获得先验。

1.4 实验结果

在复现代码的报告中也对算法精度进行了详细的评估，如下表所示：上表中，LO表示只是通过Sweep to Sweep Refinement计算激光里程计，MO表示Sweep to Map计算激光里程计，（D）表示不使用视觉里程计作为激光里程计的先验，（D）表示使用视觉里程计作为激光里程计的先验，也就是VLOAM算法，从表中平均值可以看到VLOAM算法的确是所有算法里误差最小的，但是，01数据集上也有例外，在视觉里程计失效的情况下整个VLOAM算法也会失效，这也是VLOAM算法的弊端，以上就是对VLOAM算法的简单总结，对该算法感兴趣的同学推荐读一下原Paper以及复现代码的报告。

2. LIMO算法

LIMO算法2018年发表在IROS会议，原论文名为《LIMO: LiDAR-Monocular Visual Odometry》，该论文是有开源的johannes-graeter/limo，该算法我并没有阅读源码，而是通过其他论文博客对该算法进行了一些初步了解，简单总结如下

2.1 总体框架

LIMO算法的总体框架如下：从上图中可以看出，LIMO算法框架主要包括特征提取、特征预处理、帧间运动估计、尺度估计、BA和回环检测，整体上就是一个完整的VSLAM的算法框架，区别较大的地方就是接入了激光进行尺度估计，原论文中也指出，作者是想要组合激光准确的深度估计和相机的强大特征追踪能力，换句话说，LIMO就是一种激光深度增强的VSLAM算法。

下面我主要简单介绍下LIMO是如何进行尺度估计以及后端优化的

2.2 尺度估计

所谓尺度估计就是指通过激光来恢复视觉特征点的深度首先将激光点云投影到对应的相机坐标系中，然后对每个特征点，执行如下步骤：

首先寻找该特征点周围的矩形框内的激光点；然后对这些激光点按照深度进行划分；寻找最靠近该特征点的深度区间的点云，拟合平面；我们认为该特征点位于该平面上，根据光心和特征点的连线与平面的交点记为该特征点的深度；检测估计深度的准确性：光心和特征点连线与平面的夹角必须小于某个阈值，并拒绝深度高于30m的特征点。

对于地面上的特征点进行特殊处理。首先从激光点云中提取地面，然后直接利用地面点云拟合平面，而不需要第2和第3步。该方法和VLOAM应该是大同小异。

2.3 帧间估计与后端优化

LIMO的帧间估计和VLOAM中的视觉里程计类似，也是将特征点分为具备深度的特征点和不具备深度的特征点，整体的残差计算公式如下：

argmin

⁡

∑

→

(

∥

→

∥

)

→

(

∥

→

∥

)

\underset{x, y, z, \alpha, \beta, \gamma}{\operatorname{argmin}} \sum_{i} \rho_{3 d \rightarrow 2 d}\left(\left\|\varphi_{i, 3 d \rightarrow 2 d}\right\|_{2}^{2}\right)+\rho_{2 d \rightarrow 2 d}\left(\left\|\varphi_{i, 2 d \rightarrow 2 d}\right\|_{2}^{2}\right)

x,y,z,α,β,γargmini∑ρ3d→2d(∥φi,3d→2d∥22)+ρ2d→2d(∥φi,2d→2d∥22)其中

→

−

(

)

\varphi_{i, 3 d \rightarrow 2 d}=\bar{p}_{i}-\pi\left(p_{i}, P(x, y, z, \alpha, \beta, \gamma)\right)

φi,3d→2d=pˉi−π(pi,P(x,y,z,α,β,γ))

→

(

)

\varphi_{i, 2 d \rightarrow 2 d}=\bar{p}_{i} F\left(\frac{x}{z}, \frac{y}{z}, \alpha, \beta, \gamma\right) \tilde{p}_{i}

φi,2d→2d=pˉiF(zx,zy,α,β,γ)p~i通过公式看出来，具备深度的特征点构建的PnP问题，即将前一帧三维空间点投影到后一帧二维平面上，并与对应特征点构建距离残差，而不具备深度的特征点构建的极线约束问题，即通过基本矩阵约束，这和前面提到VLOAM中构建的方法不同也更为常见。对于后端优化，实际上就是构建了一个基于滑窗的BA问题，具体形式为：

argmin

⁡

∈

∥

(

)

∥

∑

(

∥

(

)

∥

)

(

∥

(

)

∥

)

\operatorname{argmin}_{P_{j} \in \mathcal{P}, l_{i} \in \mathcal{L}, d_{i} \in \mathcal{D}} w_{0}\left\|\nu\left(P_{1}, P_{0}\right)\right\|_{2}^{2}+\sum_{i} \sum_{j} w_{1} \rho_{\phi}\left(\left\|\phi_{i, j}\left(l_{i}, P_{i}\right)\right\|_{2}^{2}\right)+w_{2} \rho_{\xi}\left(\left\|\xi_{i, j}\left(l_{i}, P_{j}\right)\right\|_{2}^{2}\right)

argminPj∈P,li∈L,di∈Dw0∥ν(P1,P0)∥22+i∑j∑w1ρϕ(∥ϕi,j(li,Pi)∥22)+w2ρξ(∥ξi,j(li,Pj)∥22)第一项

(

)

∥

translation

(

−

)

∥

−

\nu\left(P_{1}, P_{0}\right)=\| \text { translation }\left(P_{0}^{-1} P_{1}\right) \|_{2}^{2}-s

ν(P1,P0)=∥ translation (P0−1P1)∥22−s表达是滑窗中最旧的两帧之间的平移不能变化过大，

s为该两帧优化前的平移值第二项

(

)

−

(

)

\phi_{i, j}\left(l_{i}, P_{j}\right)=\bar{l}_{i, j}-\pi\left(l_{i}, P_{j}\right)

ϕi,j(li,Pj)=lˉi,j−π(li,Pj)指的是滑窗中的特征点在图像上的重投影误差第三项

(

)

−

[

]

(

)

\xi_{i, j}\left(l_{i}, P_{j}\right)=\hat{d}_{i, j}-\left[\begin{array}{lll} 0 & 0 & 1 \end{array}\right] \tau\left(l_{i}, P_{j}\right)

ξi,j(li,Pj)=d^i,j−[001]τ(li,Pj)即对于有深度的点进行深度约束，即优化后的点的深度和估计的深度差距不能过大，以上就是帧间约束和后端优化的基本介绍

2.4 实验结果

在原论文中，对算法效果进行了评估对比: 通过对比可以看到，加入激光进行深度估计的相对原始的视觉里程计在效果上确实有明显提升，但是算法整体精度相对VLOAM并没那么高，毕竟是基于视觉的里程计算法，在KITTI的Odometry榜上排在40+

以上就完成VLOAM和LIMO两种视觉激光融合的定位算法的介绍，就我目前了解，除了VLOAM（如果算）之外，目前还没有特别成熟视觉和激光的紧耦合框架，如果有知道的小伙伴欢迎评论区交流

此外，对其他SLAM算法感兴趣的同学可以看考我的博客SLAM算法总结——经典SLAM算法框架总结

优惠劵

Leo-Peng

关注

踩

102

觉得还不错?

一键收藏

知道了

激光SLAM总结——VLOAM / LIMO算法解析

学习LOAM笔记——VLOAM算法解析学习LOAM笔记——VLOAM算法解析1. 总体框架学习LOAM笔记——VLOAM算法解析为什么要研究下VLOAM算法呢？因为效果好呀，VLOAM算法是在2015年ICRA上提出的，但是至今仍然在KITTI的odometry数据集上排名靠前，那么VLOAM一定有其过人之处VLOAM原论文名为《Visual-lidar Odometry and Mapping: Low-drift, Robust, and Fast》，作者并没有对代码进行开源，幸运的是，在去年C

复制链接

扫一扫

专栏目录

3 条评论

您还未登录，请先

后发表或查看评论

v-loam源码阅读（一）视觉特征

weixin_42048023的博客

06-01

4458

在一开始写lego-LOAM的时候，我就对v-loam有所耳闻，毕竟同出于大神之手，但我一直错误地以为它是将视觉与激光雷达点云融合成一个大型的rgbd，就像我之前的某种错误的打开方式。。。

...

v-loam源码阅读（四）深度图点云与建图部分

weixin_42048023的博客

06-03

1726

在这一套代码中，激光部分其实是比较简略的，

loam算法_论文解读|激光视觉融合的Ｖ-LOAM

weixin_39730587的博客

12-04

589

本文转载自「计算机视觉工坊」，该公众号重点在于介绍计算机视觉方向的知识点，主要包括3D算法、2D算法、自动驾驶、光学介绍、算法与编程等。论文题目：《Visual-lidar Odometry and Mapping: Low-drift, Robust, and Fast》发表在2015年的ICRA上，是一篇经典的视觉激光融合的SLAM系统框架，但是作者未开源代码。在公众号「计算机视觉工坊」后台...

基于激光雷达SLAM技术的2D/3D研究与未来方向

09-17

基于激光雷达的SLAM技术发展及未来研究方向，适合初学者快速了解激光雷达学习的研究方向；多种激光雷达导航算法研究，比较各类激光雷达导航算法的使用场景和优缺点。需要用到的工具有Ubuntu（ros版本可以根据自己原先安装的版本进行学习使用）、C++；后期还会继续更新各类激光雷达算法的源码和书籍。讲解如何正确的使用。

简明讲解一下：根据传感器的选择不同，SLAM技术可分为两类：基于激光雷达的激光SLAM、基于视觉的VSLAM；本次内容只讲解关于激光雷达在SLAM导航中的使用，其中激光雷达slam导航又包括2D的和3D的。

本内容适用于大学生做比赛（t挑战杯、中国大学生竞赛等）、刚上研究生老师只给一个课题自己毫无头绪的同学学习使用，为你快速找到研究方向，少走弯路。欢迎各位下载学习使用，如果有不懂的地方可以私信，相互学习交流！

视觉激光融合SLAM分类简介——V-LOAM、VELO、LVI-SAM、LIMO

m0_58605508的博客

11-13

177

灰度摄像机: Point Grey Flea 2 (FL2-14S3M-C) ×2 (10 Hz,resolution: 1392×512 pixels, opening: 90◦ ×35◦),彩色摄像机: Point Grey Flea 2 (FL2-14S3C-C) ×2 (10 Hz,resolution: 1392×512 pixels, opening: 90◦×35◦),光学镜头(4-8 mm): Edmund Optics NT59-917 ×4。

VLOAM的安装运行

qq_56297952的博客

03-22

1254

1、运行过程中很有可能出现其他棘手的问题，非常推荐大家去相应github的issue区寻找同样的问题以及解决方案；2、运行ros时，需要考虑新终端是否source devel/setup.bash；3、以上代码运行过程中，需要特别注意是在什么文件夹下运行的、是否需要更改指令中的路径。

V-Loam论文解读

qq_40114620的博客

09-05

3111

激光视觉融合的Ｖ-LOAM论文解读

论文题目：《Visual-lidar Odometry and Mapping: Low-drift, Robust, and Fast》

发表在2015年的ICRA上，是一篇经典的视觉激光融合的SLAM系统框架，但是作者未开源代码。

摘要

本文提出了一个视觉激光融合的框架，提升了系统在缺乏视觉特征和在有挑战的运动情况下的鲁棒性。这个方法利用视觉里程计估计机器的运动，高速率低精度的对准点云。然后基于激光雷达的scan-match来优化运动估和点云对，在KITTI的01序列

手写激光SLAM算法分享，源码+论文+注释

07-08

小白学移动机器人官方发布

适合学习激光SLAM算法的同学，gmapping算法源码的极大删减版

2D激光SLAM算法比较

07-01

2D激光SLAM算法比较

ROS机器人编程与SLAM算法解析指南SourceCodeandBook.zip

01-04

ROS机器人编程与SLAM算法解析指南pdf和源代码，欢迎对机器人操作系统和slam感兴趣的朋友进行下载

SLAM算法总结——经典SLAM算法框架总结

limo是什么意思_limo的翻译_音标_读音_用法_例句_爱词霸在线词典

是什么意思_limo的翻译_音标_读音_用法_例句_爱词霸在线词典首页翻译背单词写作校对词霸下载用户反馈专栏平台登录limo是什么意思_limo用英语怎么说_limo的翻译_limo翻译成_limo的中文意思_limo怎么读,limo的读音,limo的用法,limo的例句翻译人工翻译试试人工翻译翻译全文简明柯林斯牛津limo英 [ˈlɪməʊ]美 [ˈlɪmoʊ]释义n.豪华轿车大小写变形:LIMO点击人工翻译，了解更多人工释义词态变化复数: limos;实用场景例句全部豪华轿车A large, shiny black limo pulled up to the curb...一辆闪亮的黑色豪华大轿车在路边停下。柯林斯高阶英语词典She was driven from Heathrow by limo to the hotel.她从希思罗机场坐豪华轿车到酒店。柯林斯高阶英语词典The enemy withdrew; The limo pulled away from the curb.敌人撤退了; 豪华轿车离开了路边.期刊摘选Present Day : Linc pitches the idea of raiding the General's limo.镜头闪回至现在,林肯建议使用这个老办法来突袭“将军 ” 的座驾.期刊摘选The limo heads 35 miles south on Interstate 95 to Scarlett's Gentlemen's Club.在州际95号公路上,大型高级轿车向着南边35英里斯嘉丽绅士俱乐部驶去.期刊摘选No, We've rented a limo.不.我们租了一辆豪华轿车.期刊摘选Maggie: He is a real scientist, moron. But he has a limo.他是一个真正的科学家, 笨蛋. 但是他有一辆豪华轿车.期刊摘选Blair : Yeah, I had sex with him in the back of a limo.对, 我和他在豪华轿车的后座发生过关系.期刊摘选Blair : If you actually like your date, I get your limo for a month.如果你真的喜欢你的约会伴侣, 我要用你的豪华轿车一个月.期刊摘选For example, we saw a white limo that was very long.例如, 我们看到一个很长的白色轿车.超越目标英语第3册Maybe he was shot outside the limo?可能他在他的豪华车外被枪击的?电影对白Whitie's limo is pulling up.白人的礼车停了下来.常春藤生活英语杂志-2006年5月号Oren has the limo pull over behind a parked car and says goodbye.欧伦叫司机把车停在一辆早就停在那的车旁边,并向“将军”道别.期刊摘选Jack pulls the limo into an empty parking garage where Cofell is supposed to meet Carroll.杰克将豪华轿车停在一个无人的停车场,这是科菲尔和凯文. 卡洛尔约好见面的地方.期刊摘选Having never driven a limo, he asked the chauffeur if he could drive a while.他没开过豪华轿车, 于是问司机能不能让他开会儿.期刊摘选Let me help you with your luggage. We've got a limo waiting outside.让我帮您拿行李. 我们有辆豪华轿车在外面候驾.期刊摘选The marriage metaphor in Limo constructed a comparative independent system, which played two parts of rules.“婚恋”比兴在《离骚》中构成一个相对独立的艺术系统, 在诗中起两种作用:一是涵载了诗中许多重大意蕴.期刊摘选WHO DO YO TNINK IS IN THE LIMO?你认为在豪华轿车里的人会是谁?超越目标英语第3册The President was whisked away in his limo.会长在他的轿车里被带走了.期刊摘选Is there limo service available to the airport?你们有没有小型巴士到机场的服务?期刊摘选This should allow the all wheel drive limo to reach a top speed of about 200 mph.这将使得该车的在全驱(四驱)的情况下达到约200码的极速.期刊摘选The Presidential Suite is free of charge as is the limo, or '' getaway car ''.这套总统套服是免费的以及这辆豪华轿车, 或者是逃亡之车.电影对白Look, the limo is buried back there . Darryl can't get it out.听着,豪华汽车在内侧, 达洛没办法开出来.期刊摘选There's an airport limo from the train station each hour.火车站有机场的专车,每小时一班.期刊摘选Having never driven a limo, he asked the chauffeur if he could drive for awhile.他从来没有驾驶过长轿车, 他问司机能否给他开一会.期刊摘选Being persuaded by his mother, he's taken a job driving a limo.接受了妈妈的劝告, 他取得了一份开里礼车的工作.期刊摘选Sorry, we don't have a shuttle. We do have limo. I could call you a taxi.抱歉, 我们没有短程往返的班车. 我们有豪华轿车. 我可以帮您叫一部出租车.期刊摘选Do you want to join us and rent a limo for the prom?你想要加入我们,一起为舞会租辆豪华大轿车吗 ?期刊摘选A large, shiny black limo pulled up to the curb.一辆闪亮的黑色豪华大轿车在路边停下。柯林斯例句Her Daimler limo waits with its engine idling.她的戴姆勒豪华轿车原地待命，发动机在空转。柯林斯例句收起实用场景例句英英释义Noun1. large luxurious car; usually driven by a chauffeur收起英英释义释义词态变化实用场景例句英

【论文】LIMO: Lidar-Monocular Visual Odometry-CSDN博客

【论文】LIMO: Lidar-Monocular Visual Odometry

最新推荐文章于 2021-07-06 13:20:19 发布

欧阳紫洲

最新推荐文章于 2021-07-06 13:20:19 发布

阅读量882

点赞数

分类专栏：

SLAM

论文解读

本文链接：https://blog.csdn.net/weixin_38213410/article/details/118302432

版权

SLAM

同时被 2 个专栏收录

9 篇文章

0 订阅

订阅专栏

论文解读

1 篇文章

0 订阅

订阅专栏

这篇文章第一作者是Johannes Graeter，发表在2018年的IROS会议上。

论文方法的源代码见：GitHub - johannes-graeter/limo: Lidar-Monocular Visual Odometry。

1. 简介

论文介绍了一种较为新颖视觉里程计，将激光雷达和视觉结合了起来。通过LIDAR提取深度，通过视觉提取特征进行跟踪，基于关键帧BA预测机器人运动。

论文介绍的方法在KITTI数据集上取得了top 15的成绩，图1为本论文方法和其他方法的对比。

图1 轨迹对比

本文开头介绍了BA算法的重要作用，随后介绍了双目方法的进展和主要难点。Lidar在测量深度信息方面具有相对于双目的优势，Lidar测量深度信息不仅精确，而且不依赖于精确标定的双目外参。

本文目的就是将Lidar的高精度测量深度的优势和相机提取特征的优势结合起来，需要做的一件事情就是要增加一个步骤，将特征跟踪和深度测量结合起来。本文介绍了一种新的为特征点通过Lidar提取深度的方法（Section III），作者通过局部平面假设去除外点，并且对地面点进行特殊处理以增加系统鲁棒性。同时，作者将Lidar提取的深度信息和视觉SLAM领域常用的结合到了一起（见图2）。

图2

2. 模块A和B：特征提取和预处理

A模块负责特征提取和跟踪，并采用了深度学习方法去除动态物体上的特征点。本文声称所采用的特征点描述子的提取和匹配速度是2000个点对30-40ms。

3. 模块S：尺度估计

为了得到单目的尺度信息，就要找到特征点和Lidar深度测量信息的对应关系。

文中给出了关联方法：

3.1 估计方法

首先激光点云被转到相机坐标系下，并投影到相机平面。对于每个图像上的特征点，采取如下步骤：

1. 在周围选取一组投影的Lidar点，对于这一步，后续3.2有解释。

2. 对于，继续通过3.3中的方法进行筛选出前景的部分，作为新的集合。

3. 通过3.4中的方法，将拟合一个平面，如果是地面点，那么将采用3.5中的方法。

4. 通过平面和点对应的视线相交，得到其深度。

5. 对获得的深度进行测试。如果该深度结果能够被接受，必须满足条件：视线和平面法向量的夹角必须小于阈值。另外，如果预测的深度超过30m，也将丢弃该深度预测值。

3.2 点集的选取

3.1中已经谈到要在特征点的周围选取一组激光雷达投影点的点集。怎么选取呢？作者选取图像平面上围绕点的矩形框内的点。矩形大小的选择必须要避免平面估计过程中的奇异性。如图3.

图3 矩形区域选取方法

如图3中绿色小点为特征提取过后的特征点，红色点为投影到相机平面的激光点。为了避免平面估计失败，应当选择不共线的红色点，如图3中间的那张小图。

3.3 前景分割（foreground segmentation)

我们知道，如果特征点正好处于建筑物的平坦表面（中间）时，平面假设会很好的被满足。并且可以通过点集准确的预测平面。

然而，特征点常常是位于边边角角的位置的，而很少位于平坦平面的中间，因此预测深度经常出现如图4所示的歧义。

图4 （a）错误的深度估计，（b）只考虑前景的激光投影点，从而正确的估计深度

为了解决这个问题，文中将集合中的激光点插入到深度直方图当中，直方图的bin size为0.3m。如果存在前景和后景的差别，反应在直方图上就会是一个gap，由于特征点是一个前景图中的边缘，通过选择直方图中的最近的显著bin区间对应的激光点，就可以实现对于前景图的分割工作。通过分割出来的对应点组成的，就可以很好的预测特征点周围的平面方程。

3.4 平面拟合

从中，选择三个点组成三角形，并且要使得这个三角形的面积最大。如果三角形面积过小，就不进行深度预测了。

然后作者通过这个选取的三角形进行平面的估计，并进而进行深度的估计。

3.5 特殊情况

地面点无法采取上述方法预测深度，这是由于Lidar在垂直方向上的分辨率不够。如图5所示。

图5 在高速场景下，地面特征点是非常重要的。由于第i-th射线的深度计算公式为（论文中应该是笔误）

首先从激光点云中提取出地面平面，并采用RANSAC方法进行优化。对于地面点，我们不去进行前景分割，并直接采用如前的估计方法，先选一个点集，然后选取比此前更大的三角形。

4. 里程计

为了获得良好的BA初始化，帧间运动估计准确性很重要。

由于有了3D激光信息，PnP这里就能够派上用场。优化目标函数如下：

是当前帧的特征点，是对应的3D点，是从上一帧到当前帧的线性变换，分别是3自由度的旋转和3自由度的平移，是相机的投影矩阵，将3D点投影到相平面。

是通过前后帧的特征点和匹配以及预测的深度获得。

作者用到的是本质矩阵（fundamental matrix），所以这里的点的是归一化平面上的点。

此外，作者考虑特征不多的场景，比如低结构化和高速运动场景，可能获得3D信息的特征点的数量非常有限，作者加入了三角化的极线误差。

作者还在代价函数的基础上增加了损失函数：其中;是外点阈值，并取为固定值。帧间运动的优化问题方程为：

5. 后端

这部分介绍了后端优化的四个主要部分：

1. 关键帧的选取

2. 地标的选取

3. 代价函数的选取

4. 鲁棒化的方法

A、B. 关键帧选取

为啥要选关键帧的原因是因为用到BA算法的话，当然是全局BA效果最好，但是计算量太大，时间太久，所以用一个窗口来选取部分帧来进行优化，但是这个窗口还是尽可能的大的好，选取关键帧就是这么一个折中的方法，通过选取关键帧，使得局部BA的范围更大，同时还保持着不那么大的计算复杂度，利用的历史信息更多更全面，从而更好的优化位姿。

对于关键点SLAM来说，frame是个很重要的实体对象，连续历史信息关联在frame上，关键帧（keyframe）就是选取用来进行在线优化的frame。

作者文中提到，转弯的地方，关键帧数量要多要密集，对于那种机器人静止的场景下，周围还有很多移动物体，那么如果判断结果发现平均光流小于一定数值，就不添加关键帧，其余所有即未被添加，也未被剔除的，那就每间隔0.3s添加一个关键帧。

另外一个关键问题就是滑动窗口大小的确定，通过判断当前关键帧和最新添加的关键帧之间的关联地图点的数量的多少，如果没有达到阈值，就将当前帧设定为窗口中的最后一帧。同时作者也制定了规则让这个滑动窗口不至于过短。

C. 地标选取

原则如下：

良好的观测性规模小，减少计算复杂性没有外点，误检测3维空间和2d图像上都均匀的分布

作者在本文中，一开始不进行选取的工作，一开始先尽可能多的进行点的匹配，首先进行三角化的匹配，然后对匹配的点进行测试。然后作者选取了远、近、中三个距离范围的点，这种选取划分直接在度量空间（用人话说就是，直接看和车辆距离的远近，设置三个距离区域）完成，如图6。

图6

作者进一步采用体素对路标点进行滤波处理，使得路标点的分布更加的均匀。

通过语义信息的引入，路标点的权重得到了确定，分配了更多的权重给不容易移动的物体，而分配更少的权重给容易移动和变换位置的物体。

语义信息提取作者文中提到用的是Resnet38，作者做了微小的改动。

D. 路标深度insertion

为了将深度信息也放到BA中进行优化，增加一个cost functor ，惩罚路标深度和测量深度之间的差别：

是路标点，是从世界坐标系到相机坐标系的投影，就是在第3节尺度估计得到的深度，下标i和j只对能够提取到路标深度的点和位姿进行关联。

针对路标，作者又进一步添加了代价子函数：

(6)式之前，作者提到“The oldest motion in the optimization window is in general the most accurate one”，所以此处的分别是优化窗口中最老的两帧位姿，式6的残差就是优化之前和优化之后，这两帧位姿之间的translation要保持不变，是优化之前的translation值。

E. 鲁棒性与问题表述

之前作者已经提到用语义信息对外点进行一个初步的去除，如C当中描述的。

最终，根据筛选得到的landmarks，keyframes，整个优化问题如下，采用了三个权重，此外还有，为代价函数的损失函数：

问题的优化采用了trimmed-least-squares-like这种最小二乘优化方式。

作者最终在KITTI 视觉里程计 benchmark上对该算法进行了测试。

【微小的总结】^^

这篇文章进行激光雷达和视觉特征点数据关联的方式是进行反投影和平面拟合，并把地面上的点做了分开处理。采用的算法框架基本上还是稀疏特征点的BA优化框架，整个优化问题由三个代价子函数组成。

具体效果如何，作者在数据集上做了评估，也打算看看开源代码的实际效果，先不考虑算力、跨平台之类的因素，总体感觉这个方法还不成熟，在激光雷达和视觉特征点之间进行数据关联的方法还有待探索提升。

优惠劵

欧阳紫洲

关注

踩

觉得还不错?

一键收藏

知道了

【论文】LIMO: Lidar-Monocular Visual Odometry

这篇文章第一作者是Johannes Graeter，发表在2018年的IROS会议上。论文方法的源代码见：GitHub - johannes-graeter/limo: Lidar-Monocular Visual Odometry。1. 简介论文介绍了一种较为新颖视觉里程计，将激光雷达和视觉结合了起来。通过LIDAR提取深度，通过视觉提取特征进行跟踪，基于关键帧BA预测机器人运动。论文介绍的方法在KITTI数据集上取得了top 15的成绩，图1为本论文方法和其他方法的对比。图1 轨

复制链接

扫一扫

专栏目录

参与评论

您还未登录，请先

后发表或查看评论

精度LiDAR-Monocular Visual Odometry

qq_38983484的博客

03-26

415

大佬讲解

代码解读和链接

论文题目：LIMO: Lidar-Monocular Visual Odometry

论文信息：2018IROS

这里写目录标题AbstractI. INTRODUCTION AND RELATED WORKII. BLOCK A AND B: FEATURE EXTRACTION AND PREPROCESSINGIII. BLOCK S: SCALE ESTIMATIONA. ApproachB. Selecting the NeighborhoodC. Foreground

gabriel-nyc-taxi-limo-com-analysis:纽约市出租车和豪华轿车委员会2016年2月的取车数据分析

05-22

出租车和豪华轿车委托（TLC）绿色出租车数据

介绍

我提供对出租车和豪华轿车公司（TLC）提供的出租车和豪华轿车接送数据的分析，并尝试执行以下操作：

报告数据集中加载的行数和列数

可视化一天中的行程距离并报告任何观察结果

找出周末和工作日最受欢迎的接送地点

建立模型以预测2月12日上午10:00之后的接下来12小时内每小时的出行次数，并评估模型的效果

提交文件夹的内容

文件名

描述

README.md

自述文件。

包含在笔记本顶部的说明

green_tripdata_2016-02.csv

我的分析中使用的数据集。

tlc_green_cab_analysis.ipynb

包含我的代码的IPython笔记本，

以及其他使我得出以下结论的细节

tlc_green_cab_analysis.html

与笔记本相同的内容，但为HTML格式。

您可以在浏览器中查看此内容，而无

limo.0.61.war

11-27

limo

limo-0.61.war

index查看

雷达摄像头数据融合在智能辅助驾驶的应用.caj

10-02

雷达摄像头数据融合在智能辅助驾驶的应用.caj 雷达摄像头数据融合在智能辅助驾驶的应用.caj

LIMO: Lidar-Monocular Visual Odometry

u012947309的博客

08-23

1626

IROS2018的论文

本文提出了LIMO SLAM框架，主要工作是融合了LiDAR和Monocular。

https://github.com/johannes-graeter/limo

前端

特征

本文使用的是viso2特征，它能 non-maimum suppression, outlier rejection 和 subpixel refinement.

30-40ms能提取2000个特征。

深度

正常特征

单目没有深度信息，通过LiDAR获取。

首先把LiDAR点投影到图.

硬核3-D视觉 - 三维空间的刚体运动

weixin_38213410的博客

06-27

1701

我将不会定义时间、空间、地点和运动，因为它们对于所有来说都是显然既定的。

—— 艾萨克 · 牛顿

欧几里得运动，也叫做“刚体运动”，以及透视投影，是处于研究3D场景和它的2D图像之间几何关联的核心的两组基本变换。

刚体运动对相机如何运动进行建模，透视投影则描述相机的成像原理。

很早以前，刚体运动和透视投影是分开分别独立进行研究的。

本章我们介绍三维欧氏空间以及其中的刚体运动。下一章将关注相机的投影模型。两章内容都需要一些线性代数的基础知识。

一些线性代数的基础知识。

2.1 三维欧氏空间

论文阅读 LIMO: Lidar-Monocular Visual Odometry

CSDN

09-09

699

简单来说，作者把lidar的深度信息引入传统的视觉导航系统中，从而获得了尺度和定位的精度提升和鲁棒性。

一些有趣的views:

双目的缺点在于其严重依赖于外参的标定精度

图像里的特征点往往位于边界，如直接用特征点附近的点云邻居来进行平面拟合获得深度信息，往往会出错。因而先进行histogram下的分隔后再进行平面拟合。

作者把车周围的点云分为3类：

近点：对平移估计重要，但很难测量，因为光流很大

中点：对旋转和平移重要，随机选择部分来避免局部最优值

远点：对旋转重要，并便于追踪，但不能恢

论文笔记_S2D.57_2018-IROS_LIMO:激光雷达单目视觉里程计

惊鸿一博

12-13

564

基本情况

出处：J. Graeter, A. Wilczynski, M. Lauer. LIMO: LiDAR-Monocular Visual Odometry.IEEE/RSJ International Conference on Intelligent Robots and Systems, 7872-7879, 2018.

1. 内容介绍

基于LiDAR点云估计对应图片帧中特征点的深度。

LiDAR深度增强的单目VO。包含帧帧位姿估计和滑动窗口BA。

2. 研究背景

VSLAM..

【无人自主系统】自主系统自主性（持续更新内容中）

weixin_38213410的博客

07-06

1308

事实上，过去当我们考虑地面、空中、水下无人设备的时候，我们考虑的是一个个子系统的自动化。传统意义上，自动化的定义是“系统或者设备在没有或者很少人工的参与下，完成特定操作，达成预期目的”。广义的自动化涵盖执行逻辑操作的软件及其他应用过程。这也是当前发展状况下，冠以“无人”二字的多数设备所达成的现状，也就是部分工作的自动化进行。

自动化技术包括制导和导航技术、飞机的飞控系统的电传操纵技术、融合多种传感器信息的多传感器融合技术等等。这些都是自动化技术的范畴。

自...

limo-开源

04-19

LIMO代表Lucene Index Monitor。它是一个Web应用程序，提供有关Lucene搜索引擎（http://lucene.apache.org）使用的索引的基本信息。它使您可以浏览和搜索索引，以及重建存储的字段。

libsvmmatlab代码-LIMO:我们在ICML'17论文“AUnifiedViewofMulti-LabelPerformanceMe

06-16

我们ICML'17论文“A Unified View of Multi-Label Performance Measures”中提出的LIMO算法的matlab代码跑步在 MATLAB 中运行demo.m ，LIMO 将在示例数据集上作为其默认参数运行。需要。名为svmtrain和...

limo:帝国豪华轿车项目

06-07

豪华轿车帝国豪华轿车项目

corporate_executive_limo:客户网站

07-01

Corporate_executive_limo 客户网站卡琳·卡门图形/网页设计师美术学士平面设计

EIgen四元数归一化

Shanghai Limo Service - Car rentals and chauffeur limousine service

Shanghai

Limo Service & Car rentals

Home

About Us

Fleet

Rates

Our

Services

Reservations

FAQ's

Car

Rental Locations

Contact

Shanghai Chauffeur Driven Limousine Service

Shanghai Limo Service

Shanghai Limo Service offer

private limo transfer, pudong airport pick up, Hongqiao airport

transportation, chauffeur driven Limousine service, Shanghai car rentals

with the English-speaking driver, car hire in Shanghai (Ningbo,Hangzhou),

and hire a car . Let us arrange your ground transportation

needs for any event or travel. We will provide luxury sedans, Town

Car, Stretch Limo, Vans and specialty vehicles.

Shanghai Corporate & private limo transfer ;

Shanghai Courteous & professional chauffeurs ;

E-mail confirmations of every reservation;

Ability to make reservations;

Shanghai Sedan Services

& Luxury car Transportation;

Shanghai

Airport transfer & Limousine Transportation;

Our VIP Limo Service in Shanghai

Our limo service company offers a 24 hour 7 days a week VIP car service

using under 24 months old and newer model town cars. All of our VIP

Shanghai car limousine service jobs are dispatched in advance and

we guarantee that the driver will be on location at least 10 minutes

before pick up time.

Our Executive Limousine service and Shanghai airport private

limo rental service will take you anywhere you want in Shanghai

or anywhere in China. If you desire airport ground transportation

limo to Shanghai pudong airport or Shanghai Hongqiao airport book

an online reservation and we'll send professional Limousine chauffeurs

to pick you up on time. Our Limo service in Shanghai

consists of SUV, Mercedes, Stretch Limousine, Vans, limos and town

car for individual limousine rides or corporate events. Online limo

reservation system is the best limousine rental reservation

system in the industry!

Shanghai

Limo Service & Shanghai Airport pick-up

Shanghai

Luxury Sedan Travel & Executive Services

Shanghai

Stretch Limo Services & Luxury Travel

Shanghai

SUV limos Transportation & Luxury Car Services

Shanghai

Executive Van Transportation & Services

Shanghai

car rental & Shanghai to Ningbo by car

Chauffeured

car service Shanghai & Shanghai car hire

Limo service

from Shanghai pudong to ningbo & Limo hangzhou to shanghai

We want to make sure that your trip here is truly outstanding and

we can help you accomplish that. We can provide you with a quality

limousine. Our drivers are excellent and know this city well so you

can be certain that you will get to your destination quickly and without

incident. We will make sure that your limousine is clean and that

your trip is comfortable. We will meet you upon your arrival at the

Shanghai Pudong Airport and get you to your destination. Book your

limo today with http://www.shanghailimoservice.com.

Request A Quote

Pick-Up Location:

Pick Up Date and Time:

7:00 AM

7:30 AM

8:00 AM

8:30 AM

9:00 AM

9:30 AM

10:00 AM

10:30 AM

11:00 AM

11:30 AM

Noon

12:30 PM

1:00 PM

1:30 PM

2:00 PM

2:30 PM

3:00 PM

3:30 PM

4:00 PM

4:30 PM

5:00 PM

5:30 PM

6:00 PM

6:30 PM

7:00 PM

7:30 PM

8:00 PM

8:30 PM

9:00 PM

9:30 PM

10:00 PM

10:30 PM

11:00 PM

11:30 PM

Midnight

12:30 AM

1:00 AM

1:30 AM

2:00 AM

2:30 AM

3:00 AM

3:30 AM

4:00 AM

4:30 AM

5:00 AM

5:30 AM

6:00 AM

6:30 AM

Drop-Off Location:

Drop-Off Date and Time:

7:00 AM

7:30 AM

8:00 AM

8:30 AM

9:00 AM

9:30 AM

10:00 AM

10:30 AM

11:00 AM

11:30 AM

Noon

12:30 PM

1:00 PM

1:30 PM

2:00 PM

2:30 PM

3:00 PM

3:30 PM

4:00 PM

4:30 PM

5:00 PM

5:30 PM

6:00 PM

6:30 PM

7:00 PM

7:30 PM

8:00 PM

8:30 PM

9:00 PM

9:30 PM

10:00 PM

10:30 PM

11:00 PM

11:30 PM

Midnight

12:30 AM

1:00 AM

1:30 AM

2:00 AM

2:30 AM

3:00 AM

3:30 AM

4:00 AM

4:30 AM

5:00 AM

5:30 AM

6:00 AM

6:30 AM

Vehicle Type:

All Types

Volkswagen Passat

Audi A6L

Audi A8L

Mercedes Benz S600

BMW 760LI

Buick GL8

Mercedes Benz Viano

Honda Odyssey

Mercedes Benz MB100

Search Now!

Call me back

Or Email us now on:

Bookings@shanghailimoservice.com

Shanghai Car Rentals

Shanghai Limo Service

Shanghai airport pick up

Shanghai car hire

Shanghai Pudong Airport Limo Service

Hangzhou Car Rentals

Hangzhou car rental with driver

Hangzhou Limo Service

Chauffeur service hangzhou

Hangzhou airport pick up

Limo

hangzhou to shanghai

Ningbo Car Rental

Ningbo Limo Service

Ningbo Chauffeur service

Limo service from shanghai to Ningbo

View

Regions Serviced

Home

Car

Rental Locations

Our

Services

FAQ's

Terms

& Conditions

Special

Offers

Useful links

Site Map

Contact

| resources | etc

Shanghai

limo Service Offers chauffeur driven limousine service, car rentals, airport

pick-up and hotel transfers service.

If you're planning on renting car service in Shanghai or the neighboring

Chinese of Shanghai. Shanghai limo Service can help you instantly find the

perfect limo ground transportation for all limo occasions: weddings, airport

transfers, birthdays, sporting events, business travel and more!

炬光科技全资子公司LIMO：300mm*300mm玻璃微光学晶圆全球唯一制造商

高级搜索

股票代码：688167

产品中心

原材料

半导体激光原材料

预制金锡氮化铝衬底

AMC

预制金锡铜钨衬底

AMM

半导体激光元器件

有源器件

单管激光器

F-mount® FM01

NV02

FC01

COC11

单巴激光器

MCC09

HCS02

微通道冷却叠阵

VS300

VS120

HA18

传导冷却叠阵

GA03

GS09

GS20

HA16

GS05

GS04

GS02

AA05

泵浦模块

SP17

SP18

模块及无源器件

光纤耦合模块

FCSE08

FCMSE58

FCMSE55

光纤跳线

FP02

FP03

激光光学元器件

(非)球面单透镜和透镜阵列

光纤耦合器和准直器

单(非)球面柱透镜

快轴准直镜 (FAC)

慢轴准直镜 (SAC)

一体化准直器

光纤耦合器

蓝光激光光学

微透镜阵列 (MLA) 及组件

微透镜阵列 (MLA)

光场匀化器

广角匀化扩散器 (WAD)

慢轴准直阵列(SAC阵列 / TEL阵列)

光学模块与组件

光束转换器 (BTS)

准直模块

CBS 光束整形模块

Off-Axis 光束整形模块

硅材料光学

超大矢高(Sag)硅材料微光学元器件

夏克-哈特曼 (Shack Hartmann) 微透镜阵列

玻璃基底聚合物光学 (PoG)

投影照明微透镜阵列

衍射光学元件 (DOE)

衍射微纳光学元器件

高损伤阈值镀膜与光学

平面光学

微棱镜

常规棱镜

玻璃方块

窗口片

反射镜

Nipkow光学扫描盘

光学镀膜服务

精密模压光学

回转对称非球面玻璃镜片

柱面非球面玻璃镜片

微阵列柱面玻璃镜片（复眼）

解决方案

汽车应用解决方案

全固态激光雷达发射端

激光雷达发射端 AL01

激光雷达发射端 AX02 Pro

混合固态激光雷达发射端

激光雷达发射端 LX02

激光雷达发射端 BeamRazor™ - LE02 Pro

VCSEL发射模块

VCSEL发射模块 AT02 / AT02 Pro

VCSEL发射模块 AT01

光束整形解决方案

激光雷达用广角光束扩散器

激光雷达用慢轴准直镜

激光雷达用快轴准直镜

汽车投影与汽车照明用光学元器件

激光雷达用光学组件

泛半导体制程应用解决方案

半导体集成电路制程

DLight S

先进显示制程

Flux H

UV Line

玻璃制程

Activation Line IR

光伏制程

锂电池制程

医疗健康应用解决方案

激光净肤

半导体激光器驱动电源

专业净肤模块

Vsilk 2 / Vsilk 2 Pro

Vsilk

Vshiny

激光无创溶脂

Fairy - FR06

Fairy - FR02

工业应用解决方案

激光熔覆系统

激光焊接系统

Activation 系列跳线配件

Activation LPH系列激光加工头

Flux S

Activation E / S

Activation C

激光检测模块

Flux L

测试、老化与自动化系统解决方案

半导体激光器测试设备

近场特性表征分析仪

半导体激光器特性表征分析仪

远场特性表征分析仪

半导体激光器老化寿命系统

多单管光纤耦合模块类激光器老化寿命系统

单管类激光器老化寿命系统

巴条类激光器老化寿命系统

自动化设备

Lens自动包装设备

FAC自动化拾取装载设备

技术服务

汽车技术生产服务

光学镀膜服务

薄膜金属化服务

在线选购

应用领域

先进制造

医疗健康

光通信

汽车应用

消费电子

科学研究

核心技术

知识产权

技术讲座

技术文章

视频合集

投资者关系

公司股票

投资者问答

公司公告

中国投资者网

新闻活动

新闻

活动

支持与下载

关于我们

公司概况

质量管理

社会责任

卓越运营

供应链

投诉监督

加入我们

人才理念

招聘职位

联系我们

办公地点

联系表格

代理商

新闻活动

首页新闻活动

新闻

炬光科技全资子公司LIMO：300mm*300mm玻璃微光学晶圆全球唯一制造商

发布日期：2019-08-02 21:33:30

在生产复杂的玻璃光学器件时，制造商面临的一大挑战是：如何在大规模生产时，在确保高精度的前提下，保持加工大尺寸玻璃微光学晶圆的一致性。经过两年多的持续研发，炬光科技全资子公司LIMO实现了革命性的突破：在室温加工环境下，单位时间内可生产更大尺寸的玻璃微光学晶圆，不影响加工质量的同时，又显著降低了生产成本。

LIMO的第五代微光学晶圆加工工艺，相较于第一代，成功地将晶圆的尺寸从35mm*35mm 增加到300mm*300mm，

在相同的加工时间内，大幅度增加产出，从而极大地降低了微光学产品的生产成本。

利用这种效率更高的新技术，LIMO成为了世界上唯一一家能够稳定批量生产300mm*300mm玻璃微光学晶圆的供应商，仅用一块玻璃微光学晶圆即可生产2.5万个标准尺寸的高精度FAC透镜。

LIMO是全球唯一一家能够批量生产300mm*300mm高精度柱透镜微光学晶圆的公司。

300mm*300mm的玻璃微光学晶圆使得玻璃微光学器件的成本，有史以来第一次有可能接近低成本的高分子光学器件，从而使得高精度的玻璃微光学器件能够在对价格敏感的领域实现规模化应用。

典型应用领域

•3D感知

激光3D感知技术的基本原理是利用阵列激光脉冲从探测场景中收集被测目标反射的脉冲信号，通过信号时间差或相位差计算被测目标的深度信息，从而得到3D空间的目标模型。在激光3D感知技术中，基于微光学的激光线阵或点阵光源模组是核心组件之一，为了达到高精度的3D感知，需要足够密集和能量均匀分布的阵列，传统的几何光学在光学效果、体积、成本等方面都已经无法达到此要求，只有通过微光学进行微纳尺度上的光学整形，才能实现芯片级的光学模组集成。目前，LIMO的微光学器件在人脸识别、安防（机场监控）等领域都已开始得到应用。

•用于材料加工处理的半导体泵浦固体/光纤激光器

在材料加工领域，大功率的光纤激光器和固体激光器的应用越来越广泛。利用具有最高光电转化效率的半导体激光器，结合FAC（快轴准直）、SAC（慢轴准直）及BTS（光斑转换）等微光学技术和器件，是生产大功率光纤激光器和半导体泵浦固体激光器的重要组成部分。利用LIMO的300mm*300mm第五代微光学晶圆加工工艺，可为客户提供低成本、高性能、耦合效率高的微光学元器件。

•用于半导体芯片制造的浸入式泛半导体制程技术

随着浸入式泛半导体制程技术的应用，半导体器件晶体管密度不断增加，所以今天我们可以看到以一个毫米级的硅片承载着1TB的信息，或者整台电脑被集成在一个芯片上。微光学为泛半导体制程提供光束形态转换元器件、光场匀化器件、光参数积转换器。用于泛半导体制程的准分子激光匀化在硅片上，使得泛半导体制程实现高精度和高分辨率。

•以激光剥离技术实现柔性显示的规模应用

使用紫外线激光的激光剥离技术实现了柔性显示膜层和剥离基板的无接触光学剥离，这对于常规机械分离来说是不可能的。在柔性显示OLED的制程中，基于微光学光束形态转换元器件、光场匀化器件将深紫外激光整形成一条20-30微米宽，750毫米甚至更长的高能量密度的线光斑，通过扫描实现柔性显示膜层从玻璃基板无接触剥离。LIMO的UV L-750光学系统已广泛应用在行业中，并凭借优异的设计和性能获得2018年PRISM AWARD。

•激光雷达（LiDAR）

基于微光学技术和整形激光器的光学感知器件小巧可靠，能精确测量您的车辆在交通中的位置，把您安全轻松地带到目的地。

尽管LiDAR的方案实现不同，但激光雷达发射器组件大部分都包含了准直、耦合、扩束及匀化功能中的一种或几种。需要用到的微光学器件有：激光器准直元器件、耦合元器件、光束形态转换元器件、光场匀化扩束器。

炬光科技全资子公司LIMO提供的微光学器件，可使激光光源形成及输出大视场、远探测距、高分辨率（高准直度扫描）、高均匀度、无零级衍射（亮曝点）人眼安全的激光雷达光束，解决现有激光雷达技术的小视场（造成多雷达安装扩大视场的成本上升）、探测距短、分辨率不高（准直度低）、均匀度低、有零级衍射（亮曝点）人眼不安全的问题。

LIMO高精度玻璃光学器件的优势

•LIMO微光学器件最大的优点是其光学质量高，性能稳定，生产成本低，一致性好。

•LIMO的玻璃光学器件能够在-40℃~150℃的温度范围长期稳定地工作，并保持完美的光学性能。•相比高分子光学器件，玻璃光学器件有更高的激光损失阈值，即使在高激光强度下使用，也能提供稳定的光学性能。•LIMO的微光学器件是折射光学元件，而不是衍射光学元件，因此没有零级衍射（亮曝点），对人眼安全。

关于炬光科技：

西安炬光科技股份有限公司成立于2007年9月，是一家专业从事激光光学器件、高功率半导体激光器件、光学应用模块、激光模块，光学系统、激光系统的研发、生产和销售的国家级高新技术企业。公司拥有自主研发品牌、核心技术团队、激光光学行业和高功率半导体激光器核心技术，主要为生命科学、先进制造、显示与成像、科研与工程、OLED和汽车制造等领域提供标准化产品，并为客户提供定制化、个性化的产品和全套应用解决方案。

上一篇：西安炬光科技股份有限公司董事长兼总经理刘兴胜受邀参加建国70周年国庆阅兵观礼

下一篇：蓝光LD用FAC570

联系我们

如需了解更多有关炬光科技产品和服务的信息，欢迎随时联系我们。

联系炬光科技

加入我们

我们关注每一位员工，从工作、生活、健康等多方面为员工提供具有竞争力的福利保障。

了解更多

股票代码：688167

产品中心

原材料

半导体激光元器件

激光光学元器件

解决方案

技术服务

在线选购

应用领域

先进制造

医疗健康

光通信

汽车应用

消费电子

科学研究

核心技术

知识产权

技术讲座

技术文章

视频合集

投资者关系

公司股票

投资者问答

公司公告

中国投资者网

新闻活动

新闻

活动

支持与下载

关于我们

公司概况

质量管理

社会责任

卓越运营

供应链

投诉监督

注册信息 | 公司政策 | 投诉监督

您可以通过如下选项选择接受或拒绝Cookie。要了解有关本站点如何处理个人数据的更多信息，请访问我们的隐私声明

接受Cookie

拒绝Cookie

隐私偏好中心

为了使站点正常运行并为访问者提供无缝和定制化体验，Cookie 和其他类似技术（“Cookie”）非常重要。 Zoom 通过 Cookie 支持您使用我们的站点。我们还通过 Cookie 允许您个性化定制您使用我们网站的方式，为您提供增强的功能，并不断提高我们网站的表现。如果您已启用下面的定向 Cookie，我们可能会将根据您的账户类型或登录状态允许第三方广告商使用他们在我们的站点上所设置的 Cookie 在我们的网站或产品上向您显示与您相关的广告内容。

您可以接受或拒绝除“绝对必要 Cookie”之外的所有 Cookie，或者定制下面的 Cookie 设置。您可以随时更改您的 Cookie 设置。部分“绝对必要性 Cookie”可能会将个人数据传送到美国。要了解有关 Zoom 如何处理个人数据的更多信息，请访问我们的隐私声明

将下面标有“定向”的按钮切换为关闭状态之后，加利福尼亚州的居民可以行使“选择拒绝出售个人信息”的权利。

接受Cookie

管理许可偏好

+目标定位

我们的广告合作伙伴可以通过我们的站点设置这些 Cookie。这些 Cookie 可供广告合作伙伴公司根据自有策略跟踪您使用我们网站的情况，并可将相应信息与其他信息相结合，然后在我们的站点和其他站点上向您显示相关广告。如果您不允许使用这些 Cookie，您将不会在 Zoom 网站或产品上看到个性化广告。

+功能

这些 Cookie 支持网站提供增强型功能和定制功能。 Cookie 可能由我们或由在我们的网页上添加服务的第三方供应商设置。如果您不允许这些 Cookie，那么部分或所有的这些服务可能无法正常运行。

+性能

这些 Cookie 使我们能够计算访问量和流量来源，以便我们评估和改进我们的网站性能。这些 Cookie 可帮助我们了解哪些页面最受欢迎，哪些页面最不受欢迎，并了解访问者在网站上的浏览方式。如果您不允许这些 Cookie，我们将不知道您何时访问过我们的网站，也无法监测网站性能。

+绝对必要始终处于活动状态

这些 Cookie 对于网站的运行是绝对必要的，且无法在我们的系统中关闭。通常，只有在您做出近乎服务请求的行为（例如，设置您的隐私偏好、登录或填写表单）时才会设置这些 Cookie。您可以将浏览器设置为阻止或提醒您注意这些 Cookie，但网站的某些部分可能会无法运行。

确认我的选择

【论文阅读41】LIMO: LiDAR-Monocular Visual Odometry - 知乎

【论文阅读41】LIMO: LiDAR-Monocular Visual Odometry - 知乎首发于论文阅读：SLAM切换模式写文章登录/注册【论文阅读41】LIMO: LiDAR-Monocular Visual Odometryrobot L自动驾驶、车端在线定位、SLAM本文介绍一篇激光-视觉里程计方法——LIMO，参考文献如下：J. Graeter, A. Wilczynski, M. Lauer. LIMO: LiDAR-Monocular Visual Odometry. IEEE/RSJ International Conference on Intelligent Robots and Systems, 7872-7879, 2018.目录内容介绍研究背景方法特征提取和预处理尺度估计帧帧里程计后端优化实验验证总结1. 内容介绍基于LiDAR点云估计对应图片帧中特征点的深度。LiDAR深度增强的单目VO。包含帧帧位姿估计和滑动窗口BA。2. 研究背景VSLAM是使用相机观测环境来同时估计环境的3D结构和相机自运动的问题。最常见的解决方法是BA。但是BA同时优化所有相机位姿和路标，消耗太大。为了实现实时的VSLAM，很多优化算法被提出。VSLAM结构如图2所示。包括特征提取，特征预处理，帧帧运动估计，尺度估计，BA和回环检测。由于本文专注于LiDAR辅助的单目里程计，因此不包含回环检测。图1. VSLAM流程结构。常见的VSLAM解决方案依赖双目相机。但是基于双目相机的VSLAM需要准确的相机标定。Krevso等人[12]提出通过分解场学习双目相机的标定偏差。Geiger等人[7]提出了一种在平移估计中的标定误差补偿方法。相比之下，LiDAR不需要额外的外参标定，可以得到准确的点云深度。因此，我们想要组合LiDAR准确的深度估计和相机的强大特征跟踪能力。我们提出一种从LiDAR中提取图片中特征点的深度的新方法。具体地，我们拒绝不满足局部平面假设的外点，并特殊考虑了地面点。为了达到实时表现，我们仔细设计了先验估计，路标选择和关键帧选择。本文中，我们没有使用任何LiDAR-SLAM算法，因为我们想推动LiDAR深度测量和VO组合的研究边界。3. 方法A. 特征提取和预处理特征提取包括特征跟踪和特征关联。特征跟踪使用viso2库中使用的方法，在30-40ms内提取2000个特征对应。然后需要剔除动态的特征点。为此，我们先建立语义图片[21]，然后在每个特征点周围寻找语义属于动态的点的个数，如果大于一定阈值，则认为该特征点也属于动态点。B. 尺度估计为了估计尺度，需要从LiDAR中提取特征点的深度。在本工作中，我们使用单帧激光点云来获得特征点的深度。虽然这导致更少可用的点云数据由于没有使用累积点云，但是这也避免了对运动估计的依赖。首先将LiDAR点云投影到对应的相机坐标系中，然后对每个特征点，执行如下步骤：1）首先寻找该特征点周围的矩形框内的激光点。2）然后对这些激光点按照深度进行划分。3）寻找最靠近该特征点的深度区间的点云，拟合平面。4）我们认为该特征点位于该平面上，根据光心和特征点的连线与平面的交点记为该特征点的深度。5）检测估计深度的准确性：光心和特征点连线与平面的夹角必须小于某个阈值；拒绝深度高于30m的特征点以防外点。对于地面上的特征点进行特殊处理。首先从LiDAR点云中提取地面，然后直接利用地面点云拟合平面，而不需要第2和第3步。图2. 矩形框自适应大小。对于每个特征点（绿色），矩形框至少包含两根扫描线的激光点（红点），如中图所示；而不能只包含一根扫描线中的点，如右图所示。图3. 基于深度划分的平面拟合。如果不事先将点云按照深度划分区间，拟合的平面可能出错（如左图所示）。点云按照深度划分区间后，减少了拟合错误平面的可能。图4. 地面平面不能按照深度划分区间的方式提取，因此需要特别处理。C. 帧帧里程计为了得到BA的初始化结果，我们首先执行帧间运动估计。帧间里程计优化如下问题：\underset{x, y, z, \alpha, \beta, \gamma}{\operatorname{argmin}} \sum_{i} \rho_{3 d \rightarrow 2 d}\left(\left\|\varphi_{i, 3 d \rightarrow 2 d}\right\|_{2}^{2}\right)+\rho_{2 d \rightarrow 2 d}\left(\left\|\varphi_{i, 2 d \rightarrow 2 d}\right\|_{2}^{2}\right) (1)其中 \varphi_{i,3 d \rightarrow 2 d}=\bar{p}_{i}-\pi\left(p_{i}, P(x, y, z, \alpha, \beta, \gamma)\right) 是当前帧特征点 \bar{p}_{i} 与前一帧对应特征点的3D坐标 p_{i} 之间建立的3D-2D约束（PnP问题）。 P(x, y, z, \alpha, \beta, \gamma) 是前一帧到当前帧的位姿变换。 \varphi_{i, 2 d \rightarrow 2 d}=\bar{p}_{i} F\left(\frac{x}{z}, \frac{y}{z}, \alpha, \beta, \gamma\right) \tilde{p}_{i} 是当前帧特征点 \bar{p}_{i} 与前一帧对应的特征点 \tilde{p}_{i} 之间的2D-2D极线约束。 \mathrm{F} 是基本矩阵，由前一帧到当前帧的位姿变换和相机内参决定。 \rho_{s}(x)=a(s)^{2} \cdot \log \left(1+\frac{x}{a(s)^{2}}\right) 是柯西损失函数， a(s) 是固定的外点率。D. 后端优化为了得到更准确的位姿估计结果，我们在后端对关键帧执行BA。文中详细介绍了关键帧选择和特征点选择策略，但是具体列出选择的流程，这部分的介绍请参考原文。这里着重介绍BA优化问题的具体形式：\begin{array}{l} \operatorname{argmin}_{P_{j} \in \mathcal{P}, l_{i} \in \mathcal{L}, d_{i} \in \mathcal{D}} w_{0}\left\|\nu\left(P_{1}, P_{0}\right)\right\|_{2}^{2} +\sum_{i} \sum_{j} w_{1} \rho_{\phi}\left(\left\|\phi_{i, j}\left(l_{i}, P_{i}\right)\right\|_{2}^{2}\right)+w_{2} \rho_{\xi}\left(\left\|\xi_{i, j}\left(l_{i}, P_{j}\right)\right\|_{2}^{2}\right) \end{array} (2)其中 P_0 和 P_1 分别是滑动窗口中最旧两帧的位姿，\nu\left(P_{1}, P_{0}\right)=\| \text { translation }\left(P_{0}^{-1} P_{1}\right) \|_{2}^{2}-s (3)s 是优化前最旧两帧的相对平移。所以第一项 \nu\left(P_{1}, P_{0}\right) 约束了最旧两帧的平移在优化前后不能变化太大。第二项 \phi_{i, j}\left(l_{i}, P_{j}\right)=\bar{l}_{i, j}-\pi\left(l_{i}, P_{j}\right) 是重投影误差。第三项 \xi_{i, j}\left(l_{i}, P_{j}\right) 是深度误差，具体形式如下：\xi_{i, j}\left(l_{i}, P_{j}\right)=\left\{\begin{array}{l} 0, \quad \text { if } l_{i} \text { has no depth estimate }\\ \widehat{d}_{i, j}-\left[\begin{array}{lll} 0 & 0 & 1 \end{array}\right] \tau\left(l_{i}, P_{j}\right), \quad \text { else } \end{array}\right. (4)该项约束了优化后的深度与B部分尺度估计的深度 \hat{d}_{i, j} 差别不能过大。4. 实验验证在KITTI数据集上进行了验证，不同速度下的相对平移误差和相对旋转误差均值如下图所示。图5. 不同速度下的相对平移和旋转误差均值。5. 总结A. 核心思想提出了一种基于LiDAR点云的视觉特征点深度估计方法，并在BA中添加特征点的深度误差项。B. 优缺点实验不充分。如没有进行消融实验。文中提出了许多策略，但没有验证每个策略对精度/鲁棒性的影响程度。C. 展望视觉-激光SLAM除勒特征点深度估计外，还有很多有前景的方向，比如紧耦合，语义SLAM等。二者互补的潜力仍然有待挖掘。编辑于 2020-08-08 15:43视觉里程计（Visual Odometry）同时定位和地图构建（SLAM）光学雷达（Lidar）赞同 242 条评论分享喜欢收藏申请转载文章被以下专栏收录论文阅读：S

松灵机器人多模态ROS开发平台LIMO使用指引（一） - 知乎

松灵机器人多模态ROS开发平台LIMO使用指引（一） - 知乎切换模式写文章登录/注册松灵机器人多模态ROS开发平台LIMO使用指引（一）少年队长相信很多小伙伴可能和我一样拿到这款多模态的机器人第一时间就是想寻找相关的教程，使用手册，然后就是怎么样才可以让车子跑起来好开启我们的ROS之路，今天这里就给大家整理了一下LIMO的相关使用的入门说明，希望大家遇到无论是软件开发还是硬件上的问题欢迎随时沟通。一、LIMO简介1.1 产品简介松灵机器人LIMO是全球首款集四种运动模态于一体的ROS开发平台，提供了适应场景更广泛、更符合行业应用要求的学习平台，适用于机器人教育、功能研发、产品开发。通过创新性的机械设计，能实现四轮差速、阿克曼、履带型、麦克纳姆轮运动模式的快速切换，可在配套的专业沙盘中快速建立多场景实拟教学和测试，LIMO搭载NVIDIA Jeston Nano、EAI XL2激光雷达、RealSense深度相机等高性能传感器配置，可实现精确的自主定位、SLAM建图、路线规划和自主避障、自主倒车入库、红绿灯识别等丰富功能。同时，松灵机器人联合国内ROS社区教学开创者古月居，致力于结合企业用人和行业应用需求，打造基于LIMO开发小车的全新ROS精品课程，助力院校科研教学，让学生达到更高的行业应用技术要求。1.2 产品列表名称数量1.3 性能参数参数类型项目指标机械参数外形尺寸322*220*251mm轴距200mm轮距175mm自重4.8kg（待验证）负载四轮差速（1kg）阿克曼模式（4kg）最小离地间隙24mm驱动方式轮毂电机(4x14.4W)性能参数空载最高车速1m/s阿克曼最小转弯半径0.4m工作环境-10~+40℃最大爬坡角度40°（履带模式下）系统参数电源接口DC（5.5x2.1mm)系统Ubuntu18.0IMUMPU6050CPUARM 64位四核@1.43GHz （Cortex-A57）GPU128核 NVIDIA Maxwell @921MHz电池5200mAh 12V工作时间40min待机时间2h通讯接口WIFI、蓝牙传感器激光雷达EAI X2L深度相机奥比中光DaBai工控机NVIDIA Jetson Nano（4G）语音模块讯飞语音助手/谷歌助手扬声器左右双声道（2x2W)USB-HUBTYPE-C x1、USB2.0 x2前显示器1.54寸128x64白色OLED显示屏后显示器7寸1024x600 IPS触控屏控制参数控制模式手机APP、指令控制手机APP蓝牙/极限距离10m1.4 Nvidia Jetson Nano介绍Nvidia Jetson Nano 是一款功能强大的小型计算机，专为支持入门级边缘 AI 应用程序和设备而设计。依托完善的 NVIDIA JetPack™ SDK 包含用于深度学习、计算机视觉、图形、多媒体等方面的加速库。搭载在LIMO高配版本，可以用于拓展机器人导航定位、图像处理、语音识别等技术的拓展。1.5 部件名称①　WIFI/蓝牙天线；②　深度相机；③　前显示器；④　EAI X2L激光雷达;⑤　轮毂电机；⑥　RGB车灯；⑦　四轮差速/阿克曼模式切换插销；⑧　电量显示；⑨　左扬声器；⑩　左海鸥门；⑪　后显示器；⑫　电池门；⑬　开关；⑭　右海鸥门；⑮　右扬声器；⑯　USB-HUB模块；⑰　语音模块；⑱　工控机NVIDIA Jetson Nano（4G）；⑲　电池；1.6 功能亮点（1）使用四个轮毂电机，节省车体内部空间，可在一个车体上实现阿克曼、四轮差速、履带和麦轮这四种模态的快速切换；①阿克曼模式：一种为了解决交通工具转弯时，内外转向轮路径指向的圆心不同的几何学，依据阿克曼转向几何设计的车辆，沿着弯道转弯时，利用四连杆的相等曲柄使内侧轮的转向角比外侧轮大大约2~4度，使四个轮子路径的圆心大致上交会于后轴的延长线上瞬时转向中心，让车辆可以顺畅的转弯。②四轮差速模式：四轮驱动，可实现原地自转，但对轮胎磨损严重，请勿长时间原地自转；③履带模式：具有良好的越野性能，可上40°坡和小台阶；④麦克纳姆轮模式：基于麦克纳姆轮技术的全方位运动设备可以实现前行、横移、斜行、旋转及其组合等运动方式。（2）车灯状态指示：两车灯为RGB LED，选用5种对比度高的颜色作为指示灯，其余颜色可供开发者自定义；（3）两侧车门可展开，预留一个TYPE-C口和两个USB2.0口，方便调试；（4）电池可拆换；（5）预留丰富的拓展孔位：车顶预留8个M3螺丝孔位，以及两条3.2mm宽的槽口；两车门预留4个M3螺丝孔位，水平展开获得更大安装平台；车底前后各预留四个M3螺丝孔位；（6）丰富的交互体验：摄像头、激光雷达、语音模块、双扬声器配合前显示器可提供丰富的交互体验。1.7 模态切换方法（1）切换阿克曼模式：先将两侧插销拔起，顺时针转30度，使两插销上较长的线指向车体正前方，即可卡住，车灯变为绿色则切换成功（2）切换四轮差速模式：拔起来顺时针转30度，使两插销上较短的线指向车体正前方，此时为插入状态，微调轮胎角度对准孔位让插销插入，车灯变为黄色则切换成功；（3）切换履带模式：在四轮差速模式下将履带直接套上，建议先套空间较小的后轮，并且履带模式下请将两侧车门抬起防止剐蹭；（4）切换麦轮模式：先将轮毂盖和轮胎拆下，只保留轮毂电机，然后保证每个麦轮的小滚子朝向车体中心，用包装里的M3*5螺丝将麦轮安装上，最后需要用遥控/APP调整至麦轮模式。注：确保每个麦轮安装角度！1.8 操作说明（1）长按开关键开机（短按暂停程序），观察电量表，最后一颗红灯量时请及时充电或更换电池；（2）观察前面插销状态以及车灯颜色判断当前模式：（3）遥控说明：遥控器开机，6通道拨到中间档位即可遥控，左摇杆控制车体前进后退以及麦轮模式下的左右横移和斜移，右摇杆控制车体方向；麦轮模式：差速模式下，通道8处于最下档时切换麦轮控制模式，处于中上档时切回差速模式；舵机校准：当在阿克曼模式下走不直时需要进行舵机校准，先将7通道拨到中间，然后用右遥控调整舵机角度，角度合适时将5通道向上拨两下即算校准，之后遥控小车判断是否能够在阿克曼模式下走直，如此反复，直到可以走直为准。1.9 远程桌面连接1.9.1 下载安装NoMachine首先在个人电脑下载相应的软件，下载链接：https://www.nomachine.com/download，根据自己电脑的操作系统和架构下载相应的版本。让limo和电脑连接到同一个WIFI下。1.9.2 连接wifi打开limo右侧的海鸥门，找到USB-HUB模块，给limo连接上键盘鼠标，USB-HUB模块的位置如下图：键盘鼠标成功连接之后通过以下操作连接wifi，选择需要连接的wifi。输入wifi的密码1.9.2 远程连接limo选择连接对象点击YesUsername：agilex Password：agx 勾选保存密码一路选择默认OK发布于 2021-12-06 16:05机器人机器人操作平台 (ROS)工业机器人赞同 5添加评论分享喜欢收藏申请

Follow

tokenpocketapp官方地址|limo

tokenpocketapp官方地址|limo

LIMO中文(简体)翻译：剑桥词典

LIMOUSINE中文(简体)翻译：剑桥词典

激光SLAM总结——VLOAM / LIMO算法解析_v-loam-CSDN博客

limo是什么意思_limo的翻译_音标_读音_用法_例句_爱词霸在线词典

【论文】LIMO: Lidar-Monocular Visual Odometry-CSDN博客

Shanghai Limo Service - Car rentals and chauffeur limousine service

炬光科技全资子公司LIMO：300mm*300mm玻璃微光学晶圆全球唯一制造商

【论文阅读41】LIMO: LiDAR-Monocular Visual Odometry - 知乎

松灵机器人多模态ROS开发平台LIMO使用指引（一） - 知乎

最近的新闻

您可能喜欢的文章

比特网官方app下载|kzg

im钱包下载视频教学|luna maya

TP钱包投资指南：哪些币值得关注？

如何在TP钱包中添加Terra？

如何注册TP钱包

TP波场钱包如何发币，以及四个相关的关键词：

TP钱包交易所网址及其使用介绍