激光SLAM从理论到实践，百度网盘分享

： [0.00K]

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 [0.00K]

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]

： [0.00K]

【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]