SLAM技术

这个存储库包含MATLAB或Python编写的SLAM算法代码。SLAM是指同时定位和地图构建，涵盖了来自LUH SLAM课程的代码示例。详细信息请参阅：

本项目基于 Tim Bailey 于 2004 年提出的 FastSLAM 2.0 算法，并整合了 AR Khairuddin (2015) 的部分研究成果。 项目对原始算法进行了一些修改，包括数据获取方式的改进以及错误计数器的集成。

这是我在论文中模拟的Matlab SLAM代码，对ICIEA2018年会上基于EKF和最小二乘的SLAM算法进行了比较。代码正在整理中，即将发布。

MATLAB原始代码：LCSD_SLAM论文补充材料，包含影片示范。原始结果和MATLAB脚本已调整路径和模式运行。支持多种模式：模式1用于绘制与论文数字相匹配的预评估结果；模式2用于处理自定义结果并生成图表；模式3用于处理后的结果绘制。

本存储库包含Endo-SLAM数据集，涵盖胶囊和标准内窥镜记录的综合内窥镜图像。介绍了处理这些图像的Matlab代码及其对视觉里程计算法的影响。若使用此代码和数据集，请引用：Kutsev Bengisu Ozyoruk等人的研究。数据集分为结肠（18个子数据集）、胃（12个子数据集）和小肠（5个子数据集），其中4个子数据集模拟了专家肠胃科医生的息肉。视频演示实验设置和过程。

此Matlab源码包括两种模式：与ORB SLAM集成的对象SLAM，以及适用于多维数据集的基本SLAM实现。它利用ROS bag输入进行在线SLAM，从离线3D对象中读取检测结果。对象SLAM算法通过每帧检测的3D长方体优化相机和长方体姿态。对应于C++版本的单图像长方体检测的detect_3d_cuboid。如需引用，请参阅相关文献 CubeSLAM：单眼3D对象SLAM，IEEE Transactions on Robotics 2019，S.Yang，S.Scherer。

姓名：刘振博 学号：201920 完成工作：一维状态量的Kalman Filter仿真，二维状态量的Extended Kalman Filter仿真，应用EKF实现2D-SLAM。系统建模：x+ = F_x * x + F_u * u + F_n * n，y = H * x + v。其中：F_x = 1；F_u = 1；F_n = 1；u = 1；H = 0.5；Q = 1；R = 1。状态先验：x = 0；P = 1e4。仿真初值：X = 7。仿真结果：二维状态量的EKF仿真系统模型：x+ = f(x, u, n)，y = h(x) + v。系统定义：x = [px py vx vy]'，y = [d, a]'，u = [ax, ay]'，n = [nx, ny]'，v = [vd, va]'。px+ = px + vx * dt，py+ = py + vy * dt，vx+ = vx + ax * dt + nx，vy+ = vy + ay * dt + ny，d = sqrt(px^2 + py^2)。

随着时间的推移，大数据技术在背景、历程和发展趋势方面取得了显著进展。总结了大数据所需的编程语言、常见技术以及其在现代技术领域中的普遍应用。

Redis安装、集群部署和指标采集的全面参考。此外，还包括最全面的Redis API和集群部署步骤。

本指南提供有关 Hadoop 的全面知识，涵盖基础应用、HDFS 分布式存储的工作原理，以及 CacheArchive 和分区策略的原理。