前言

Scheduler是Cyber-RT的调度核心，是协程的调度载体。特别的，对于自动驾驶任务而言，任务调度的实时性发挥至关重要的作用，因此有必要对各种任务的优先级进行分类排序，如对于控制任务而言，需要单独分配CPU以供实时运行，Cyber-RT通过Scheduler来实现这种功能。

Cyber/Scheduler目录

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

├── BUILD
├── CMakeLists.txt
├── common
│   ├── cv_wrapper.h
│   ├── mutex_wrapper.h
│   ├── pin_thread.cc
│   ├── pin_thread.h
├── policy
│   ├── choreography_context.cc
│   ├── choreography_context.h
│   ├── classic_context.cc
│   ├── classic_context.h
│   ├── scheduler_choreography.cc
│   ├── scheduler_choreography.h
│   ├── scheduler_classic.cc
│   └── scheduler_classic.h
├── processor.cc
├── processor_context.cc
├── processor_context.h
├── processor.h
├── processor_test.cc
├── scheduler.cc
├── scheduler_factory.cc
├── scheduler_factory.h
├── scheduler.h
└── scheduler_test.cc

Scheduler类图

FAST-LIO: A Fast, Robust LiDAR-inertial Odometry Package by Tightly-Coupled Iterated Kalman Filter

摘要

方法

架构总览

FAST-LIO2: Fast Direct LiDAR-inertial Odometry

摘要

在高效的紧密耦合迭代卡尔曼滤波器上，FAST-LiO2有两个关键的新科技，可允许快速，强大，准确的LIDAR导航（和建图）。

Camera-单线激光标定

本文来源于 《标定系列三 | 实践之Camera-Lidar标定》

1. 前言

回顾

问题描述

所谓的未标定立体相机问题，就是不知道相机外参而进行3D空间点恢复，其中包含以下几个议题：

回顾

问题描述

所谓的未标定立体相机问题，就是不知道相机外参而进行3D空间点恢复，其中包含以下几个议题：

从投影矩阵提取内/外参矩阵

首先忽略齐次形式，重写成内参矩阵*旋转矩阵，

又因为：

• 内参矩阵是上三角矩阵

Backward Projection: 2D to 3D

假设给定一个标定好的相机，如何从2D图像恢复3D点？

双目

相机标定过程

以立方体的一个角作为世界坐标系原点，相机拍摄图片，就可以得到一系列3D-2D关联。

对投影模型展开，得到线性等式如下：

Forward Imaging Model： 3D to 2D

Perspective Projection