M100 (2) 运行sifit slam

M100  运行slam

1 M100+X3摄像头+采集卡-电脑

1运行ROS

 roscore

　　

2运行ROS_USB_cam发布图像话题

usb_cam siftsalm

　　

3打开X3对应的SLAM

  • 打开SLAM/slam_ws/src/sift_slam/launch/ X3.launch
roslaunch sift_slam x3.launch

　　

二 虚拟界面Airsim-电脑控制端

1 连接网线在同一个局域网  一台笔记本当控制端   一台服务器运行Airsim

服务器把图像数据经过局域网给笔记本，笔记本SLAM建图

笔记本通过局域网发送控制消息

2 修改局域网下服务器的IP地址，使得笔记本控制端可以找到

3 运行ROS

roscore

4 运行Airsim节点，开始通信，笔记本获取图像，并发送控制消息

rosrun phantom_race airsim_data_capture

　　

5 笔记本有了图像，开启建图节点  sifit——slam

roslaunch sift_slam airsim.launch

　　

原文地址：https://www.cnblogs.com/kekeoutlook/p/9201276.html

时间： 2024-10-29 03:02:52

M100 (2) 运行sifit slam的相关文章

LSD_SLAM编译运行

基本操作之甩锅先:--(你懂得) 编译环境:Ubuntu14.04 LTS(64位),ROS Indigo,OpenCV2.4.9 这次给出 64位 这个信息,有没有感到困惑?其实真正原因是,我之前编译总是失败以至于都怀疑是不是只有32位的才可以.实践证明,64也是可以哒,放心撒~~~ 同理也给出了OpenCV的版本,这是因为我在编译的时候遇到了ROS找不到Opencv的问题,其实,在安装ROS的时候由于安装的是 full 版所以 OpenCV 自然也是已经安装上了,但是安装路径我却没有查到.I

视觉SLAM漫淡（二）：图优化理论与g2o的使用

视觉SLAM漫谈(二):图优化理论与g2o的使用 1    前言以及回顾 各位朋友,自从上一篇<视觉SLAM漫谈>写成以来已经有一段时间了.我收到几位热心读者的邮件.有的希望我介绍一下当前视觉SLAM程序的实用程度,更多的人希望了解一下前文提到的g2o优化库.因此我另写一篇小文章来专门介绍这个新玩意. 在开始本篇文章正文以前,我们先来回顾一下图优化SLAM问题的提法.至于SLAM更基础的内容,例如SLAM是什么东西等等,请参见上一篇文章.我们直接进入较深层次的讨论.首先,关于我们要做的事情,你

ICCV研讨会：实时SLAM的未来以及深度学习与SLAM的比较

这篇短文写的很好,我把它copy到这里供大家学习 上一届「国际计算机视觉大会(ICCV:International Conference of Computer Vision )」成为了深度学习(Deep Learning)技术的主场,但在我们宣布卷积神经网络(ConvNet)的全面胜利之前,让我们先看看计算机视觉的「非学习(non-learning)」几何方面的进展如何.同步定位与地图构建(SLAM: Simultaneous Localization and Mapping )可以说是机器人

一起做RGB-D SLAM (5)

第五讲 Visual Odometry (视觉里程计) 读者朋友们大家好,又到了我们开讲rgbd slam的时间了.由于前几天博主在忙开会拍婚纱照等一系列乱七八糟的事情,这一讲稍微做的慢了些,先向读者们道个歉! 上几讲中,我们详细讲了两张图像间的匹配与运动估计.然而一个实际的机器人总不可能只有两个图像数据吧?那该多么寂寞呀.所以,本讲开始,我们要处理一个视频流,包含八百左右的数据啦.这才像是在做SLAM嘛! 小萝卜:那我们去哪里下载这些数据呢? 师兄:可以到我的百度云里去:http://yun.

NIOS II常用函数整理-感谢slam原创

IO操作函数函数原型:IORD(BASE, REGNUM) 输入参数:BASE为寄存器的基地址,REGNUM为寄存器的偏移量函数说明:从基地址为BASE的设备中读取寄存器中偏移量为REGNUM的单元里面的值.寄存器的值在地址总线的范围之内.返回值: - 函数原型:IOWR(BASE, REGNUM, DATA)输入参数:BASE为寄存器的基地址,REGNUM为寄存器的偏移量,DATA为要写入的数据函数说明:往偏移量为REGNUM寄存器中写入数据.寄存器的值在地址总线的范围之内.返回值: - 函数

部署网站运行平台LNMP + Memcached缓存

部署网站运行平台LNMP + Memcached缓存  *本实验的LNMP和Memcached都安装在同一台服务器上 *Nginx   提供网站服务 *MySQL   提供数据库服务 *PHP    提供动态网站编程语言 *Memcached 提供数据缓存(通过降低对Database的访问来加速web应用程序) 一.搭建LNMP平台(源码包安装) Linux+Nginx+Mysql+PHP(perl) 1)基本环境准备 安装"开发工具"和"开发库""Dev

一起做RGB-D SLAM (2)

第二讲 从图像到点云 本讲中,我们将带领读者,编写一个将图像转换为点云的程序.该程序是后期处理地图的基础.最简单的点云地图即是把不同位置的点云进行拼接得到的. 当我们使用RGB-D相机时,会从相机里读到两种数据:彩色图像和深度图像.如果你有Kinect和ros,可以运行: 1 roslaunch openni_launch openni.launch 使Kinect工作.随后,如果PC连接上了Kinect,彩色图像与深度图像就会发布在 /camera/rgb/image_color 和 /cam

【原创】Octovis在Ubuntu16.04下运行出现core dump的解决方案

本人SLAM研究新手,使用系统为Ubuntu16.04.本文原址:http://www.cnblogs.com/hitlrk/p/6667253.html 在学习SLAM的过程中,使用Octomap进行八叉树地图的建立,Octomap的编译安装没有出现问题,octovis模块也顺利安装.悲催的是,在我调用octovis模块打开已有的八叉树地图时,便会出现一大堆乱码,乱码最后有一个Core Dump. 这个错误和2016年时g2o_viewer在Ubuntu16.04下出现的错误一样,不过目前g2

SLAM拾萃(3)：siftGPU

前言 本周博客我们给大家介绍一下SiftGPU.由于特征匹配是SLAM中非常耗时间的一步,许多人都想把它的时间降至最短,因此目前ORB成了非常受欢迎的特征.而老牌SIFT,则一直给人一种“很严谨很精确,但计算非常慢”的印象.在一个普通的PC上,计算一个640$\times$480的图中的SIFT大约需要几百毫秒左右.如果特征都要算300ms,加上别的ICP什么的,一个SLAM就只能做成两帧左右的速度了,这是很令人失望的.而ORB,FAST之类的特征,由于计算速度较快,在SLAM这种实时性要求较高