工作职责:
参与项目: 高精地图制作工具;
工作职责: 闭环优化模块开发;
模块说明: 用高精度 IMU 和 GPS 进行组合导航, 解算出车辆行驶的轨迹, 用高精度的激光雷达扫描并记录周围的环境, 最终得到点云地图。 离线处理采集到的轨迹和激光数据, 消除车辆重复行驶产生的重影;
主要步骤: 在轨迹中找到可能的闭环; 生成闭环处对应的点云; 点云预处理; 点云粗配准; 点云精配准;结果分析并添加闭环约束; 全局位姿图优化; 重新生成点云。
参与项目: 巡检机器人导航系统;
工作职责: SLAM 与定位模块开发;
模块说明: 融合 IMU、 编码器和激光的测量数据, 组成点云地图。 在测得地图之后, 融合 IMU 和编码器和激光与地图匹配信息, 得到定位信息。
主要步骤: SLAM: IMU 和编码器进行数据融合, 得到位姿估计值; 用激光帧间匹配纠正位姿纠正; 选取关键帧,并在后端进行闭环检测; 检测到闭环之后进行全局位姿图优化。
定位: 初始位姿估计; IMU 与编码器数据融合, 得到位姿估计值; 当前帧激光和地图进行配准; 用配准结果纠正位姿, 并输出六自由度定位结果。
参与项目: 三维全景背包;
工作职责: SLAM 模块开发;
模块描述: 融合 IMU 和激光实现 SLAM 并进行点云着色
主要步骤: IMU 姿态解算; 点云粗配准加点云精配准得到较准确的位姿估计; 在后端进行闭环检测; 在找到闭环之后进行全局位姿图优化;
参与项目: 三维全景背包;
工作职责: 特征地图重建重建与重定位;
模块描述: 用全景相机拍摄的图片进行增量式 SFM
主要步骤: 对图片进行特征提取和特征匹配。使用激光 SLAM 得到的定位信息作为相机位姿的先验,进行三角化。BA全局优化,近似点融合,高误差点过滤。得到特征地图后通过特征匹配,PNP 求解出图片的拍摄位置。