激光SLAM从理论到实践

：

第1节：激光SLAM简要介绍[628.07M]

【课件】3D激光SLAM介绍.pdf[775.15K]

【课件】传感器数据处理I：里程计运动模型及标定.pdf[651.33K]

【课件】基于滤波器的激光SLAM方法(Grid-based).pdf[955.07K]

【课件】基于图优化的激光SLAM方法(Grid-based).pptx[732.26K]

【课件】基于已知定位的建图.pdf[509.98K]

【课件】激光SLAM的发展和应用趋势.pdf[854.78K]

【课件】激光SLAM的前端配准方法.pdf[877.08K]

【课件】激光雷达数学模型和运动畸变去除.pdf[694.66K]

【视频】激光SLAM的发展和应用趋势.mp4[622.16M]

第2节传感器数据处理I：里程计运动模型及标定[1.57G]

【作业】传感器数据处理I：里程计运动模型及标定[120.77M]

odom_ws[120.75M]

.catkin_tools[6.26K]

profiles[5.67K]

default[5.67K]

packages[5.33K]

catkin_simple[0.52K]

package.xml[0.52K]

eigen_catkin[0.40K]

package.xml[0.40K]

glog_catkin[0.35K]

package.xml[0.35K]

hybrid_astar[0.66K]

package.xml[0.66K]

laser_filter[2.07K]

package.xml[2.07K]

mav_visualization[0.86K]

package.xml[0.86K]

nlopt[0.46K]

package.xml[0.46K]

build.yaml[0.35K]

README[0.58K]

VERSION

bag[120.54M]

odom.bag[120.54M]

src[205.15K]

calib_odom[204.49K]

.git[179.82K]

hooks[14.38K]

applypatch-msg.sample[0.47K]

commit-msg.sample[0.88K]

post-update.sample[0.18K]

pre-applypatch.sample[0.41K]

pre-commit.sample[1.60K]

prepare-commit-msg.sample[1.21K]

pre-push.sample[1.32K]

pre-rebase.sample[4.78K]

update.sample[3.53K]

info[0.23K]

exclude[0.23K]

logs[0.17K]

HEAD[0.17K]

objects[161.07K]

01[0.57K]

b1a863f1c2f31025e54e8ccf5d77fe4d50532a[0.57K]

02[2.97K]

fd4fed526b19f6c0a442e3e18e99f124e326b6[2.97K]

03[3.96K]

07c8f8af74c492f9e147818fb7f37926b9c0db[3.96K]

08[35.44K]

6d71001bf8fb68b37b291e5fe827f0c667bfd6[35.44K]

14[4.86K]

d8709a5d4f97132603912bc2cd6363f798c0e4[4.86K]

16[0.63K]

a151af0fc58f9aa4713e218a60dac2ae2ba020[0.63K]

1e[6.22K]

97a93d15ae9bbb786db46579f2c07d0f49bc87[6.22K]

28[4.07K]

2d10591361ceda148fe9c642fb52e1fe034609[1.92K]

2d3ecf1f8365b5901d9b7a6bb4e386f06cebe0[2.15K]

2c[0.17K]

eab4f4047d506a5af05e0951803d1112cbde8f[0.17K]

2f[1.16K]

21b37700d4c7a2a09ab58bbbfbb7d63eae3cb3[1.16K]

48[0.78K]

03857383c44061dc31a299dfe17b299ed6dbdc[0.78K]

56[2.52K]

250d8e0f88481585f7a6cafcdc4da4bb8bd292[2.52K]

62[33.51K]

6ae07f6fadee8877fd50541b8bc7be74e154ed[6.83K]

b373b735cee1f95a24518feab8e1841b16382e[26.68K]

69[0.07K]

4a61a009efaf756daeb293f770c36d06755ada[0.07K]

6a[0.57K]

2e6706991d7bd23d5a29e10fa8eb49c3812146[0.57K]

6d[0.28K]

ff541421c8b574d5dc54d127c881f59f3de1ed[0.28K]

6e[2.79K]

551c64c1576a8d209bb10a91df4738f8c6cb96[0.64K]

9d8ac4787e6be400995480b6d6eb1012c0560c[2.15K]

70[0.29K]

805a1ae4acade631d9e51b92f47bb88a4a1136[0.29K]

7a[3.82K]

b2cb4f3f58d7ef85574b336a86524cded2aa11[3.82K]

7d[1.15K]

6b8c24641e9b4bfb55975d40f7eea8552be635[1.15K]

7e[1.09K]

435f3884a07cc9df8414e559310b83818b2edb[1.09K]

81[11.77K]

2bd1413e54fa69637838ae55f81977e3bc2ed0[11.77K]

8c[0.05K]

ec188b38b9176886d417469a701b599d82970f[0.05K]

90[0.13K]

6a359499df63ced028d96ef37f0d35b87c161e[0.13K]

97[4.71K]

bc1fee209b5b21391425bbe352c84aa6b2e710[4.71K]

9d[2.35K]

9c7a1e45539b252f07efbb982c94ca66288f07[2.35K]

a4[2.18K]

e2b698243f88e77c4debb052f62502c4dec122[2.18K]

aa[1.07K]

62183db8e3ed201edf3adbb56af8df4c4a39f1[1.07K]

af[0.22K]

c557815c9e1a729d95d6d46211bd36e164b60f[0.22K]

b0[3.57K]

6471dfbf2c84a5987d73f2cc56c53a74cb327b[3.57K]

b2[2.15K]

ae8341fd76eb9dec2edff2f9bc11e12b08bb68[2.15K]

b4[0.75K]

b6fc5e4e08f1c8ce5a5f86a68d03c78ad6e40e[0.75K]

bc[0.12K]

ad92412c6968d46fdf1d49bd5265baa6b3c71a[0.12K]

be[0.41K]

9632a7db90e3119aad1c01904f7e8400fda66e[0.41K]

c9[3.89K]

043a93772cba215b693efe578fbbdf4c1889d1[2.44K]

b5bf9356b1c1d78e6c04aa2cb450cf7d11f6e3[1.45K]

d2[2.07K]

575813ae090a4d52943c0f0086b5aa584c2e85[1.43K]

d25aa7786689940171d2507beeb52eb31ce293[0.64K]

d5[0.05K]

460c9202cfa97255dbb217ba81d52cecea4d6e[0.05K]

d6[2.24K]

4b56718fb94d468dc1494cf404e40dc1cc4f2c[2.24K]

db[5.32K]

762f262ac8a36958638111ee5db738963f6827[5.32K]

dc[10.82K]

84ebd496912757455d1c6314483dacbe64f103[10.82K]

e2[0.06K]

0b7fc8e71ded3e06ec5f89387b5b4508e92322[0.06K]

e6[0.22K]

d0fb4a0f805d76df4905d6a90fcfc072657df9[0.22K]

e9[0.03K]

4cbbd3027df32cb00f4fca093d5c72d9696a85[0.03K]

refs[0.04K]

heads[0.04K]

master[0.04K]

COMMIT_EDITMSG[0.01K]

config[0.20K]

description[0.07K]

HEAD[0.02K]

index[3.62K]

include[0.56K]

calib_odom[0.56K]

Odom_Calib.hpp[0.56K]

launch[0.15K]

odomCalib.launch[0.15K]

src[15.81K]

main.cpp[14.65K]

Odom_Calib.cpp[1.16K]

CMakeLists.txt[6.15K]

package.xml[1.99K]

.rosinstall[0.50K]

.rosinstall.bak[0.11K]

CMakeLists.txt[0.05K]

.catkin_workspace[0.10K]

作业注意事项.docx[15.52K]

【视频】传感器数据处理I：里程计运动模型及标定.mp4[1.45G]

第3节传感器数据处理II：激光雷达数学模型和运动畸变去除[1.78G]

【视频】激光雷达数学模型和运动畸变去除.mp4[1.78G]

【作业】激光雷达数学模型和运动畸变去除.zip[1.57M]

第4节激光SLAM的前端配准方法[2.57G]

【视频】激光SLAM的前端配准方法(1).mp4[1.10G]

【视频】激光SLAM的前端配准方法(2).mp4[613.97M]

【视频】激光SLAM的前端配准方法(3).mp4[894.00M]

第5节基于滤波器的激光SLAM方法(Grid-based)[3.00G]

【视频】基于滤波器的激光SLAM方法(Grid-based)（1）.mp4[1.70G]

【视频】基于滤波器的激光SLAM方法(Grid-based)（2）.mp4[801.73M]

【视频】基于滤波器的激光SLAM方法(Grid-based)（3）.mp4[527.76M]

【作业】基于滤波器的激光SLAM方法(Grid-based).zip[6.48M]

第6节基于图优化的激光SLAM方法(Grid-based)[2.20G]

【视频】cartographer代码讲解.mp4[796.70M]

【视频】基于图优化的激光SLAM方法(Grid-based)（1）.mp4[936.52M]

【视频】基于图优化的激光SLAM方法(Grid-based)（2）.mp4[514.28M]

【作业】基于图优化的激光SLAM方法(Grid-based).zip[568.83K]

cartographer(注释版本).zip[816.75K]

第7节基于已知定位的建图[1.17G]

【视频】基于已知定位的建图.mp4[1.17G]

【作业】基于已知定位的建图.zip[5.80M]

第8节3D激光SLAM介绍[1.28G]

：

【视频】3D激光SLAM介绍.mp4[1.24G]

看看我.zip[14.66M]

课程总结.mp4[14.73M]

面试合集.txt[0.18K]

软件下载.txt[0.15K]

下载必看.txt[0.16K]

资料2.zip[14.66M]

第9节作业答疑课[443.29M]

激光SLAM作业答案.rar[33.56M]

作业答疑课.mp4[409.73M]

看看我.zip[14.66M]

课程总结.mp4[14.73M]

面试合集.txt[0.18K]

软件下载.txt[0.15K]

下载必看.txt[0.16K]

资料2.zip[14.66M]