LIO-SAM-DetailedNote LIO-SAM源码详细注释，3D SLAM融合激光、IMU、GPS，因子图优化。 LIO-SAM的代码十分轻量，只有四个cpp文件，很值得读一读呢。 关于LIO-SAM的论文解读，网上已经有很多文章啦，同系列的LOAM、A-LOAM、LEGO-LOAM等，在网上都可以找到相关的解读文章。所以本文旨在对源代码进行阅读学习，积累一些工程上的经验。这里记录下来，希望可以帮到有需要的同学，如有错误的地方，请您批评指正。 :) 如果对您有帮助，帮我点个star呦~ 目录（知乎） 整体流程 代码结构图 因子图 1、激光运动畸变校正。利用当前帧起止时刻之间的IMU数据、IMU里程计数据计算预积分，得到每一时刻的激光点位姿，从而变换到初始时刻激光点坐标系下，实现校正。 2、提取特征。对经过运动畸变校正之后的当前帧激光点云，计算每个点的曲率，进而提取角点、平面点特征

惯性测量单元IMU上位机控制软件，可以实现与IMU的即时通讯，可以参数设置等等

matlab官方定位代码UWB多范围跟踪 ROS软件包，用于使用超宽带（UWB）无线电进行跟踪。 目标需要一个UWB标签，并由具有多个UWB无线电的跟踪器（即机器人）进行定位。 该程序包由三个节点组成： uwb_serial ：从串行端口读取二进制消息。 有关嵌入式板的相应UWB驱动程序，请参见。 uwb_multi_range ：处理来自uwb_serial的多范围时间戳，并发布已校准和未校准的范围。 uwb_tracker ：处理来自uwb_multi_range的校准范围，并使用扩展卡尔曼滤波器跟踪目标位置。 它发布了滤波器的状态和协方差，还发布了相应的变换。 依存关系 Boost（系统和线程模块） 麻木 科学的 红润的 安装 在ROS catkin工作区中签出存储库，然后像往常一样构建工作区。 用法 您可以使用以下命令启动所有三个节点 roslaunch uwb uwb.launch 可以将许多参数（例如串行端口，波特率，转换帧和参数文件）指定为参数。 有关详细信息，请参见启动文件。 可以通过rosparam定义更多低级参数（默认参数在大多数情况下应该很好）。 查看节点的代码以

以前用的是python3.5，今天安装matplotlib库的时候提示python版本必须3.6以上，无奈之下，就直接重新安装了python3.8.2及部分常用的python第三方库，想到当初我在初次安装时查找了各种资料，于是想把我关于这方面知道的最简单的安装通用公式总结一下，送给在这方面正在迷茫的朋友们。 目录 了解你的电脑及python版本 若下载的是WHL文件 若下载的是压缩文件 特例 了解你的电脑及python版本 首先，要对我们的电脑有一些了解，最主要是电脑系统类型以及你所安装的python版本 以我的电脑来说，系统类型是64位操作系统（×64），python版本是3.8.2 py

UWB（DW1000+STM32）Keil工程代码：1个Tag+3个Anchor进行TWR-DS测距，测距数据由串口传递给WIFI透传模块，在同一个局域网的WIFI终端进行数据处理/定位算法。

用C#编写的基于PC端读取HG4930惯性测量单元数据并显示的源代码。测试通过，完美呈现，相信对于刚刚使用该惯性测量单元的同学有帮助，欢迎下载使用。

说明：在室内定位中，有许多算法都是基于TDOA时间差来计算位置的，都要求4个基站或者更多基站，但是有时候基站数量比较少，导致不够4个，这个时候就需要使用采用较少基站就可以定位的算法，其中Fang算法就是其中一种。参考内容为19--21页内容。

介绍：https://blog.csdn.net/zhaohaowu/article/details/122912648

针对视觉里程计(VO)因累积误差导致运动姿态估计存在的偏差，提出实时扩展卡尔曼滤波器姿态估计模型，利用惯性测量单元(IMU)结合重力加速度方向作为垂直方向参考，对视觉里程计航向、俯仰和侧倾3个方向姿态估计进行解耦，修正姿态估计的累积误差；根据运动状态采用模糊逻辑调整滤波器参数，实现自适应的滤波估计，降低加速度噪声的影响．实验采用高精度的全站仪作为真值，并结合多种地形环境，实验结果表明：50 m内跟踪的累积误差低于0．3 m，有效地提高了视觉里程计的定位精度和鲁棒性．

基于EKF的IMU数据融合算法 ，包含一些example，亲测可运行