论文笔记：Deep Closest Point: Learning Representations for Point Cloud Registration
DCP 是一篇基于 Deep Learning 来解决 ICP 问题的，其中 Deep Learning 部分主要用于做匹配，后端仍然沿用 SVD 的方法。比很多 MLP 直接出 Pose 的合理，也取得了更好的效果。在与传统方法例如 Go-ICP 以及深度学习方法 PointNetLK 的对比中，都取得了一定的优势。
1 经典 ICP 问题
这一部分在之前的论文笔记中已经有了比较详细的阐述，参见：使用 SVD 方法求解...
使用 SVD 方法求解 ICP 问题
本文是结合《Least-Squares Rigid Motion Using SVD》和《Least-Squares Fitting of Two 3-D Point Sets》两篇文章写的一个总结，里面有一些是自己的理解不一定正确。
1 问题定义
假设我们有两个点云集合 和 ，则我们定义的 ICP 问题是通过最小化点对之间距离获得相应的 Pose：
其中 代表每个点的权重。R 和 t 是我们所要求的旋转矩阵和平移向量。
2 计算平移
我们分两步求解旋转和平移，首先求解 t。固定...
论文笔记：Dynamic Graph CNN for Learning on Point Clouds
DGCNN 是对 PointNet 的改进，PointNet 网络每个点单独提取特征缺乏局部关联。DGCNN 提出了 EdgeConv 就是对它的改进。
1 网络结构
DGCNN 网络结构如下图所示，可以看出其整体架构和 PointNet 是基本一致的，主要区别就是将其中的 MLP 替换成了 EdgeConv。
2 EdgeConv
2.1 EdgeConv 结构
上图是 EdgeConv 的示意图。假设一个F维点云 其中 F 表示每个点的维度，最简单的可能是 x,...
论文笔记：GCNv2: Efficient Correspondence Prediction for Real-Time SLAM
GCNv2 是一个专门针对几何匹配的描述子网络，是对 GCN 的改进版主要工作如下：1）与常见深度学习特征匹配的性能并且显著减少了前向运算的时间；2）加入了二值化层，生成二值特征。
1 GCNv2 网络结构
GCNv2 网络结构如下图所示：
这一结构不必赘述，其实跟 SuperPoint 很像，不过 Descriptors 部分是把 Keypoints 直接拿来取了相应的部分。PixelShuffle （有人也叫作 Sub-pixel Convolution 或者亚像素卷积）在文章（《Real-Time Single Image and Video Super-Resolution Using an Efficient...
DTAM 中的 Cost Volume 笔记
DTAM 是比较经典的基于 RGBD 的 SLAM 算法，其中的 Cost Volume 部分也是后续比较常见的模块，这里进行一下记录。
1 定义说明
定义 表示从相机坐标系 到世界坐标系 的变换矩阵：
其中 表示旋转矩阵， 表示平移向量。
则对于空间中一个点具有如下变换关系：
以及投影操作：
反投影操作：
其中 表示像素 对应的逆深度。
则 2D...
Semantic SLAM 文章收集
截至目前 Semantic SLAM （注意不是 Semantic Mapping）工作还比较初步，可能很多思路还没有打开，但可以预见未来几年工作会越来越多。语义 SLAM 的难点在于怎样设计误差函数，将 Deep Learning 的检测或者分割结果作为一个观测，融入 SLAM 的优化问题中一起联合优化，同时还要尽可能做到至少 GPU 实时。
这一篇博客我将尽力收集一些有代表性的文章，提供下载和简单思路的理解，但个人精力、能力有限也欢迎大家随时提供更多更好的文章。
1、《Probabilistic Data Association for Semantic SLAM》 ICRA 2017
语义 SLAM 中的概率数据融合，感觉应该算开山鼻祖的一篇了。这篇也获得了 ICRA...
欧拉积分、中点积分与龙格－库塔积分
在 SLAM 系统中经常用到各种不同的数值积分方法，工程上最常见的有三种：欧拉积分（Euler method）、中点积分（Midpoint method）和龙格－库塔法积分（Runge–Kutta methods）。他们的区别就是如何用数值方法模拟一个斜率。这里简单总结如下：
一、欧拉积分
设有如下微分方程：
并且 和 时刻的差为 ，则欧拉积分定义为：
也就是说用 t 时刻的斜率作为整个 时刻的导数。
二、中点积分
设有如下微分方程：
并且 和 时刻的差为 ，则显式中点积分定义为：
则隐式中点积分定义为：
也就是说用 时刻的斜率作为整个 时刻的导数。
欧拉积分与中点积分都是一阶近似并没有本质不同，二者只是一阶导数所取位置不同，他们的性能也有差别，如下图所示，作为一阶积分近似方法来讲，中点积分有时会稍好一些（带来更快的收敛速度）。
图示为方程 ...
VI ORB SLAM2 与 VINS 对比实验
一、实验说明
之前做了一些 VI ORB SLAM2 与 VINS Mono 性能的对比试验，由于 VI ORB SLAM2 并没有官方的版本，我们主要使用王京实现的一个版本（https://github.com/jingpang/LearnVIORB）来做测试（我们加入了双目 VIO 部分，但不论单目还是双目该版本实现与官方版本性能有较大差距）。VINS Mono （https://github.com/HKUST-Aerial-Robotics/VINS-Mono）是港科大开源的一个单目 VIO 算法，速度快而且性能不错，同样受到很大关注。本篇博客我们对二者进行了一些粗浅的实验对比。
说明如下：
1、实验主要指标为 RMSE：
其中：
代表真值， 代表估计值。
2、实验采用 EuRoC 测试集（https://projects.asl.ethz.ch/datasets/doku.php?id=kmavvisualinertialdatasets）。以下是一些初步的实验结果，做一记录。因为没有深入研究和调试，试验次数也比较有限，不一定具有代表性。如大家有任何改进建议或者疑问欢迎留言。
二、实验结果
1、ORB 与 VI...
使用 evo 工具评测 VI ORB SLAM2 在 EuRoC 上的结果
最近把 ORB SLAM2 作者融合 IMU 版本的算法 《Visual-Inertial Monocular SLAM with Map Reuse》 论文读了一遍，作者没有开放源代码，所以我是使用王京实现的一版开源代码（https://github.com/jingpang/LearnVIORB）进行了一些实验。LearnVIORB 代码有一些崩溃的 bug，在 Mac 上面编译有问题，不过实现了作者文中的基本思想，是非常好的一份实现。
由于只有 EuRoC 测试集有 VIO 的数据，我使用了 EuRoC 测试集进行测试，不过在实际运行中遇到了几个问题。
0、系统环境
macOS Sierra v10.12.6
1、evo...
[ROS] 多传感器卡尔曼融合框架 Ethzasl MSF Framework 编译与使用
多传感器融合是机器人导航上面一个非常基本的问题，通常在一个稳定可用的机器人系统中，会使用视觉（RGB或RGBD）、激光、IMU、马盘等一系列传感器的数据来最终输出一个稳定和不易丢失的姿态。Ethzasl MSF Framework 是一个机器人上面的多传感器融合框架，它使用了扩展卡尔曼的原理对多传感器进行融合。同时内部使用了很多工程上的 trick 解决多传感器的刷新率同步等问题，API 封装也相对简单，非常适合新手使用。
0、系统环境：
Ubuntu 14.04.3
ROS indigo
1、新建 MSF 工作目录：
在命令行执行如下命令：
Shell
mkdir -p MSF/src
cd ./MSF/src
catkin_init_workspace
123
mkdir -p MSF/srccd ./MSF/srccatkin_init_workspace
退出 src 目录到 PATH_TO_MSF 根目录下，编译生成 ROS 工程文件：
Shell
cd ..
catkin_make
12
cd...