高翔基本介紹：
清華本碩博；
《slam十四講》作者；
智行科技定位組負責人。
講座資訊：
地圖製作流程：
高精地圖的生產是乙個完整的多感測器slam問題（離線的），整個過程步驟繁雜，計算時間長，需要較高的機器配置，甚至需要伺服器的集群計算，已經形成了完整的製作流水線。
lidar odom：大多使用loam、lgo-loam。
地圖優化：由於場景的複雜性，地圖在優化期間要平衡各種因素。後端優化由兩輪優化組合而成，以factor graph表述。考慮的factor包括：gps、dr、lidar、height，全域性姿態因子、回環因子、人工標註因子。
形成點雲地圖是可以自動化的，但是標註仍需要人工進行。標註本身是簡單的，但是對人工與運營要求較高，是目前制約高精度地圖大規模發展的重要因素。
（乘用車與低速車的自動駕駛異同：採用類似的雷射slam演算法，都需要回環檢測和去重影；但是低速車環境更為多變，rtk訊號不穩定，建圖時需要的技術處理更為複雜。）
其他遇到的一些問題：
gps融合問題：
a. gps時好時壞：需要通過新增robust kernel來加一步outlier判斷；
b. 車輛起始時沒有gps：需要首先進行軌跡對準獲得乙個比較好的優化初始值。
回環失敗：
形成原因：長時間odom使得累積誤差過大，loam無法正常進行回環。
解決方案：進行並行多解析度的回環檢測，且通過兩輪優化機制：a. 結合所有感測器，優化軌跡；b. 使用第一輪的優化結果進行回環檢測與優化。
雷射退化：
形成原因：雷射資料依賴場景的三維結構，需要三個方向上的約束，如果場景過於單一，可能導致雷射slam缺少某個方向上的約束，形成退化。
解決方法：進行退化檢測，並減少退化部分雷射的權重。
重影（小重影）：
形成原因：回環失敗，感測器精度、或者標定出現問題。
影響：基於雷射的匹配出現跳動。
解決方法主要還是進行閉環。
人工閉環：
人工閉環的思路：
建圖成功率與自動化
與學術界不同，工業界非常看重成功率（各種情況的建圖都需要能夠適應）。
但會因為由各種原因導致見圖失敗，需要多方面溝通與調節。
總結：大規模長時間地圖的生產、維護、更新仍然沒有得到解決。
第三部分：個人觀點
slam方法框架的發展動向
地圖朝著輕量化發展。
向感知部分遷移部分定位功能——空間ai。
針對不同應用，開發不同的slam方案、地圖方案。
視覺slam有待開發，尚有前景。
linux的shell基礎 慕課網筆記
shell是乙個命令直譯器,提供了使用者與核心進行互動操作的一種介面 檢視當前的shell echo shell 指令碼執行方式 echo輸出命令 作用 把指定內容輸出到螢幕上 echo 選項 輸出內容 選項 e 支援反斜線控制的字元轉換 eg.echo hello,world 螢幕輸出 hello...
實現慕課網首頁的某效果
今天又去看的時候，突然想到了實現的方法，就動手做了，如下。其實實現原理就是利用css3的transition屬性,然後用js判斷當前滾動條的位置，改變opacity來實現淡入淡出，改變margin top來讓內容往上頂，就這樣咯 ps 今天在寫的時候發現了個小東西 js裡document.body表...
慕課網的HTML和CSS學習。 一
1 如果top right bottom left的值相同，如下面 margin 10px 10px 10px 10px 可縮寫為 margin 10px 2 如果top和bottom值相同 left和 right的值相同，如下面 margin 10px 20px 10px 20px 可縮寫為 ma...