분류 전체보기
-
LIO-SAMSLAM & 3D AI 논문 정리 2022. 4. 1. 18:05
Paper URL: https://arxiv.org/pdf/2007.00258.pdf Authors: Tixiao Shan, Brendan Englot, Drew Meyers, Wei Wang, Carlo Ratti, and Daniela Rus Abstract Smoothing and mapping 방식의 tightly-coupled LiDAR inertial odometry 방식을 제안함 IMU pre-integration 을 통해 얻어지는 estimated motion 은 point clouds 의 de-skews 와 LiDAR odometry optimization 을 위한 초기값으로 사용됨 최적화된 LiDAR odometry solution 은 IMU 의 bias 추정에 사용됨 Real-time..
-
Target-based LiDAR-Camera CalibrationSLAM & 3D AI 논문 정리 2022. 3. 19. 19:43
Title: Automatic Extrinsic Calibration of a Camera and a 3D LiDAR Using Line and Plane Correspondences Authors: Lipu Zhou, Zimo Li, and Michael Kaess *모든 그림들은 위 논문으로부터 캡처함 [1] Introduction LiDAR 와 Camera 의 extrinsic calibaration 은 두 센서 간의 상대적인 rotation 및 translation 을 추정하는 것 해당 논문에서는 LiDAR frame 에서 camera frame 으로의 rotation 과 translation 을 아래와 같이 표기 Rotation: $\textbf{R}_L^C \in SO(3)$ Translati..
-
PointNetSLAM & 3D AI 논문 정리 2022. 3. 19. 12:53
Title: PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation Authors : Charles R. Qi, Hao Su, Kaichun Mo and Leonidas J. Guibas *모든 그림은 위 논문에서 발췌함 [1] Introduction 2D 이미지는 행렬이므로 특정 order에 의해 grouping 된 채로 얻어진다고 본다. 따라서 regular format이다. 반면에 3D point는 unordered, unstructured irregular format으로 얻어지기 때문에 일반적으로 polygon mesh나 volumetric voxel로 rendering 처리한 뒤 사용한다. Rendering 없이..
-
ORB-SLAM 2SLAM & 3D AI 논문 정리 2022. 3. 19. 12:43
Title : ORB-SLAM 2: an Open-Source SLAM System for Monocular, Stereo and RGB-D Cameras Authors : Raul Mur-Artal and Juan D. Tardos *모든 이미지 및 caption은 위 논문을 참고하였음 [1] Introduction Monocular, stereo 그리고 RGB-D SLAM을 위한 첫 번째 open-source SLAM system Bundle Adjustment (BA) 만을 사용하여 local, global optimization ICP + BA 기반의 RGB-D Mapping 보다 더 정확하며 가벼움 ORB feature를 사용함 (기존의 ORB-SLAM과 동일) [2] ORB-SLAM 2 [2...
-
Simple 2D LiDAR Odometry using ICP카테고리 없음 2021. 8. 27. 02:51
본 글에서는 ICP(Iterative Closest Point)를 기반으로 한 간단한 2D LiDAR Odoemtry에 대하여 설명한다. ICP는 아래의 글을 참고하기 바란다. https://define.tistory.com/entry/Iterative-Closest-Point (ICP)Iterative Closest Point 1. Iterative Closest Point Iterative closest point는 서로 다른 두 개의 점군(point cloud)을 정합(registration)시키는 대표적인 알고리즘 중 하나로 LiDAR 센서를 이용한 센서 pose 추정(pose estimation, lo.. define.tistory.com LiDAR 센서 데이터의 정합(registration)을..
-
(ICP)Iterative Closest Point카테고리 없음 2021. 8. 24. 15:21
github: https://github.com/93won/2D_LiDAR_Odom_ICP 1. Iterative Closest Point Iterative closest point는 서로 다른 두 개의 점군(point cloud)을 정합(registration)시키는 대표적인 알고리즘 중 하나로 LiDAR 센서를 이용한 센서 pose 추정(pose estimation, localization)에 주로 이용된다. 여기에서는 해당 응용 예에 대하여 설명한다. 예를 들어, 그림 1의 왼쪽 그림과 같이 서로 다른 두 시점에서 2D LiDAR 센서로부터 두 점군이 얻어졌다고 해 보자. 먼저 관측된 점군을 transform (translaton + rotation)하였을 때 이후 관측된 점군과 잘 정합된다면 이 ..
-
Robust Optimization - Huber Loss, RANSACOptimization 2021. 8. 20. 15:00
이전 포스팅에서는 non-linear least squares문제에 대한 해법으로 Gradient descent, Gauss-Newton, 그리고 이 둘이 결합된 형태인 Levenberg-Marquardt 방법에 대하여 설명하였으며, 약간의 noise를 갖는 circle fitting 문제를 예제로 해당 방법들의 수렴성을 비교하였다. https://define.tistory.com/29 Gauss-Newton Method 1. Introduction Least Squares Method(최소제곱법 또는 최소자승법)는 주어진 데이터에 가장 잘 맞는 모델의 parameter를 구하는 방법 중 하나로 이름에서 알 수 있듯이 잔차의 제곱합을 목적함수로 한다. Lin define.tistory.com https:..
-
Levenberg-Marquardt MethodOptimization 2021. 8. 13. 14:22
1. Introduction 앞선 자료들에서 대표적인 함수 최적화 방법으로 gradient descent와 Gauss-Newton method에 대하여 소개한 바 있다. Gradient descent는 선형 함수에서만 간단히 소개하였으나, 비선형 함수에서도 그 기본 원리는 같다. 자세한 내용은 아래를 참고하길 바란다. Gradient Descent : https://define.tistory.com/28 Linear Regression 1. Introduction 기계학습(machine learning)의 기본 목적은 주어진 데이터를 해석하여 미래에 발생할 일을 예측하고자 하는 것 이다. 예를 들어, 어떤 에어컨 판매 회사의 연도별 판매 대수를 아래의 그 define.tistory.com Gauss-Ne..