从因子图的角度来看，IMU 预积分解决的问题是：约束的表达式与状态变量的值有关，也就是当状态变量更新后， 约束的表达式变化了，此时需要重新计算约束表达式里的一些参数，而不是能够重复利用固定的约束表达式。 而预计分则可以让原本会变的约束表达式变成固定的表达式，与状态变量无关。 预积分整体的推导思路 从两个最基本的方程组出发，一个是动力学方程组，另一个是最原始的测量方程组，之后利用匀速旋转和加速度的假设，进行普通的积分，然后将状态的增量都变换到相邻两帧中的第一帧机体坐标系下，再经过一系列的移项构造，使得方程右侧的参数可从上到下依次计算得出，且与状态无关，从而保证了状态在优化后发生值的变动，不会导致预计分方程右侧需要重新计算。 首先从最基本的动力学方程出发 \[\dot{R} = R [\omega] \\ \dot{v} = a \\ \dot{p} = v\] 其中，$R$...
IMU Preintegration
Search Plan in Project XI35
八架无人机，分为三组，需要在一个矩形拒止区域内搜索 0.5m*0.5m 大小的数字标识，数字对应于自身的组别。 策略 尽量少转弯，以节约电量、降低里程计崩溃概率。因此是沿着长边飞行。 有如下三种策略： 无论自己看到，还是别的队伍看到自己所属的地标，立刻飞过去降落 从知道自身地标位置的队伍视角看最贪心，里程计漂移最少 只有自己看到才立刻飞过去，别队看到则记录，待本列搜索区域搜索完成后才前往自身地标 都搜索完本列才去 第二种属于折中，具体考虑这种策略。假设三个数字标识均匀分布。 全覆盖，用时短，目前部署的贪心不保证全覆盖 三种响应 未到边界就降落 到边界已知目标位置 到边界未知位置 三个数字标识的相对位置可简化为九宫格，一共有999=729种可能的布局 都是情况1最好，如下表示： 111:333=27 特定三条带上...
Large Resolution will Amplify False Alarm of Occupy Map
当无人机的可活动区域变大后，若保持分辨率不变，则 ego planner 里预先开辟的地图将会占据很大的内存，因此需要增大分辨率，来抵消一部分地图扩大带来的内存消耗。然而，这会给规划端带来一些挑战。 ego planner 的栅格地图的占据信息来自于 realsense 的深度图像，而深度值是存在有效范围的，如 D435 的理想范围是 0.3 m 到 3 m。即使是在理想深度测量范围内，也是有噪声的存在，而这个噪声则会体现在栅格地图中突然出现的障碍上。而 ego planner 是用于避障的，虚警的障碍会让规划的轨迹扭曲，增大无人机飞行控制的难度、里程计崩溃的概率。 通过增大深度滤波器的最小合法深度值，解决了因深度噪声、较大栅格体积共同造成的大虚警障碍，导致的轨迹规划过于扭曲甚至陷入障碍物的问题，目前可在室内使用...
Total views. cowboys. Hits