real-lxj Goto Github PK

欢迎来到我的主页！

我是罗行健，📞18742543164，📧[email protected]

• 硕士就读于东北大学机器人科学与工程学院机器人科学与工程专业，REAL实验室成员，研究方向为视觉SLAM、VIO、多传感器融合。

• 本科就读于大连交通大学机械工程学院机械工程+软件工程五年制双专业，TOE创新实验室成员，主要负责能量机关的制作、视觉及步兵机器人的嵌入式控制。

• 利用室内结构环境信息和消费级相机D435i实现基于结构点线的RGBD惯性里程计SPLVDIO，并通过对算法模块进行优化，使其能够以纯视觉里程计PLVDO部署在四足机器人载体的NX平台上实时运行（蓝色部分为去掉的模块）。
• 室内挑战性场景鲁棒性提高且 APE 定位误差减少 40%，相同约束下后端 BA 提速 68%。

• 基于iir1实现IMU实时滤波算法，能够过滤IMU原始数据特定频率的噪声。

• 利用汽车环视鱼眼相机IPM拼接图的语义分割结果，基于车道线、车位线、箭头等地面语义标识，在RTK和轮速计的辅助下，生成一个全局的视觉语义地图，并在泊车时用语义信息进一步完成车辆定位。
• 平均定位误差为 6.23cm。

• 在gps拒止的地下停车场场景基于亚特兰大世界假设结合视觉、IMU 实现地库场景下低漂移的视觉惯性位姿估计。
• 100*100 平方米的地库场景，车辆运动轨迹 500m，始末端点累积漂移降低 70%。

• 融合视觉、IMU、轮速计和 GPS完成复杂城市场景下的车辆位姿估计任务，以解决地形变换和光照强度快速变化对VIWO 造成的影响。
• 在 KAIST Complex Urban Dataset 数据集表现出较好的鲁棒性和精度。