- 博客(73)
- 收藏
- 关注
RSS订阅原创 Ubuntu 18.04 pcl 1.13 Missing vtk modules: vtkRenderingOpenGL2；vtkRenderingContextOpenGL2
导致pcl认为vtk中相关的模块应该基于OpenGL2而不是6.3版本基于OpenGL，其他程序在依赖pcl时，就会因为找不到vtkRenderingOpenGL2;vtkRenderingContextOpenGL2报错。虽然6.3的vtk版本不会导致pcl在cmake过程中报错，但由于cmake/pcl_find_vtk.cmake中78和79行。由于实测升级vtk版本会影响ROS等软件的使用，建议采用后一种方法。
2024-02-18 09:14:19
459
原创 GEM: Online Globally Consistent Dense Elevation Mapping for Unstructured Terrai
GEM: Online Globally Consistent Dense Elevation Mapping for Unstructured Terrain
2022-06-08 10:04:57
492
原创 DL-SLOT: Dynamic Lidar SLAM and Object Tracking Based On Graph Optimization
通过把动态物体运动建模成多项式的形式来优化轨迹。想要从动态物体反过来优化轨迹估计确实是需要物体运动先验的，但是多项式感觉拟合阿克曼结构的车不大靠谱。而且论文实验太单薄了，甚至没看到轨迹估计的效果证明。...
2022-05-30 10:56:34
374
原创 Efficient and Probabilistic Adaptive Voxel Mapping for Accurate Online LiDAR Odometry
Efficient and Probabilistic Adaptive Voxel Mapping for Accurate Online LiDAR Odometry点云地图虽然易于构建，但是难以表征具有不确定性的观测和特征。不同激光由于分辨率和扫描方式不同，对于环境特征的感知存在较大差距。本文提出来一种自适应体素建图方法，基于不同大小的体素存储环境平面特征的参数和不确定度。本文的主要贡献如下：1、自适应的多尺度体素地图构建方法。2、基于概率的地图表达方法概率平面表达基于激光测量误差和位
2022-03-27 16:20:41
725
原创 CorAl – Are the point clouds Correctly Aligned?
流程如何衡量点云匹配结果的准确性是目前尚未解决的问题，本文基于信息熵来评价点云对齐的结果。从正确匹配的点云相较原点云熵保持不变这一假设出发，通过熵的增量来衡量点云配准的精度，待配准点云中未重叠的部分不会被纳入计算。优化采用了一些细节优化来保证最终的效果。由于小矩阵求行列式可能存在扰动，通过增加参数限制了最小的熵。采用了和到传感器距离成正比的降采样尺度。去除了熵最小的一部分点。对于每个环境，可以通过调节超参数的值来优化算法效果。...
2022-03-15 15:04:43
305
原创 A Life-Long SLAM Approach Using Adaptable Local Maps Based on Rasterized LIDAR Images
位姿跟踪基于图像和激光的位姿跟踪算法，在去除激光点云中的地面后，将点云投影到图像上，提取ORB特征，基于RANSAC判断特征匹配关系。将匹配的特征投影回3维点，使用ICP估计位姿。地图构建基于帧间约束优化进行局部BA构建局部地图，将地图投影到图像上，提取特征，基于词袋模型估计地图特征。在检测到回环后，用新的地图替代旧地图，同时抛弃距离过远的地图。回环检测通过词袋数据库查询和scan2local map匹配来判断回环检测。...
2022-03-08 15:01:35
3962
原创 MegBA A High-Performance and Distributed Library for Large-Scale Bundle Adjustment
基于多GPU的BA算法，有三个创新点：对于整个BA流程进行了矢量化（Vectorised），使其满足并行化计算的需求。在多个线程之间进行了合理的工作量分配，同时保证了优化结果的最优性。API和主流的优化库g2o和ceres兼容。基于SIMD优化的矢量化BA将BA流程特别是PCG的过程都通过SIMD进行优化。分布式BA基于边的工作分配根据边的数量还将雅可比矩阵分为若干块J=[J1J2…J3]TJ=[J_1 J_2 \dots J_3]^TJ=[J1J2…J3]T，在后续的海森矩阵计算
2022-02-10 12:45:45
578
1
原创 LT-mapper: A Modular Framework for LiDAR-based Lifelong Mapping
f(n)=f(n-1)+f(n-3)f(n-1)=f(n-2)+f(n-4)f(n)=f(n-2)+f(n-3)+f(n-4)f(n-1)=f(n-3)+f(n-4)+f(n-5)f(n)-f(n-1)=f(n-2)-f(n-5)1 1 3 4 5 8 12
2021-10-05 18:55:28
764
原创 FAST-LIO: A Fast, Robust LiDAR-inertial Odometry Package by Tightly-Coupled Iterated Kalman Filter
固态激光和IMU紧耦合的里程计，主要创新点加速了卡尔曼增益的求解方法。固态激光由于视野较小，更容易收到环境退化的影响。系统描述 状态描述和常规的LIO类似。对于固态激光雷达，本文截取一段时间内获取的点云做一次处理，认为是一次扫描。前向传播和反向传播 前向传播指基于imu观测关系状态估计先验，反向传播指基于后验位姿估计对点云做运动补偿。位姿优化 残差计算和LeGO-LOAM类似，优化了卡尔曼增益的表达，使得需要求逆的矩阵规模不再和输入数据规模相关，显著加快了求解速度。...
2021-07-01 15:48:00
1983
1
原创 MULLS: Versatile LiDAR SLAM via Multi-metric Linear Least Square
文章目录几何特征提取和编码地面检测非地面点分类邻域类别上下文描述子多尺度线性最小ICP多元特征匹配多元变换估计多阶段权重匹配质量估计MULLS前端MULLS后端 提出了一种基于点线面特征的多尺度最小二乘优化方法，并结合基于邻域类别上下文描述子（Neighborhood category context encoding，NCC）和TEASER的后端，建立了鲁棒高精度的激光SLAM系统。几何特征提取和编码地面检测 分组提取高度最低的一部分点，基于这些点，使用RANSAC进行地面拟合。非地面点分类
2021-06-07 15:35:13
963
原创 Greedy-Based Feature Selection for Efficient LiDAR SLAM
为了降低大规模场景下特征关联和非线性优化问题的复杂度，本文提出了一种方法，自适应的提出部分鲁棒特征，同时提升了效率和精度，还基于这种特征选取策略提出了多机器人激光SLAM算法。特征选择算法argmaxSk⊂Fklog[det[Λ(Sk)]]\mathop{\arg\max}_{S_k\subset F_k}log[det[\Lambda(S_k)]] argmaxSk⊂Fklog[det[Λ(Sk)]] 特征选择算法的目的是尽可能保持信息矩阵谱特征的前提下，从特征中选择一个子集。本文
2021-05-25 09:41:28
466
原创 Efficient LiDAR Odometry for Autonomous Driving
文章目录非地面点匹配代价地面点匹配代价模型更新实验结果 针对地面点和非地面点采用不同投影方式和法线估计方式的，基于Poing-to-Plane的Scan-to-Model的激光里程计，通过OpenMP和Cuda的并行，获得了非常高fps下的精确结果。非地面点匹配代价 将点投影到Range Map上，然后在Range Map中估计点的邻域，邻域范围由点到激光发射器距离决定。为了保证邻域点基于奇异值的法线估计准确性，如果邻域点距离点太远或者点到估计平面距离太大，点会被认为是外点。基于3D-2D的投影
2021-05-13 15:43:01
275
原创 Adaptive Robust Kernels for Non-Linear Least Squares Problems
为了在最小二乘问题中去除外值，对状态进行更准确的估计值，往往需要手动设置阈值并选择核函数。本文将选择核函数的问题转换为了对参数的估计，再优化过程中根据残差分布自适应选择核函数和阈值。自适应鲁棒核函数 本文使用的自适应核函数如下：ρ(r,α,c)=α−2α(((r/c)2∣α−2∣+1)α/2−1)\rho(r,\alpha,c)=\frac{\alpha-2}{\alpha}((\frac{(r/c)^2}{|\alpha-2|}+1)^{\alpha/2}-1)ρ(r,α,c)=αα−2((∣
2021-05-05 20:27:11
140
原创 A Novel Sparse Geometric 3-D LiDAR Odometry Approach
在后端优化中，引入了线特征和面特征的激光里程计。特征提取和表达 线特征和面特征的提取采用和LOAM相同的光滑度策略。线特征和面特征表示为中心坐标，方向向量/法向量和属于直线和平面的点。采用分块的方法计算平面法向量。Scan-to-Scan匹配 目标函数和LOAM是一样，使用KD-tree做最近邻匹配，迭代优化点到直线和点到平面的距离，但是优化过程不同，使用LM法和李代数来对位姿进行优化。论文里面给出了基于李代数的目标函数求导过程式。Scan-to-Map匹配降采样 为了加快优化速度
2021-05-04 16:45:43
99
原创 Intensity-SLAM: Intensity Assisted Localization and Mapping for Large Scale Environment
在里程计，回环检测和全局优化模块中都加入了强度信息，略微提升了效果。强度校正 强度公式如下：I=ηρcos(α)R2I=\eta\frac{\rho cos(\alpha)}{R^2}I=ηR2ρcos(α) η\etaη为固定参数，ρ\rhoρ为材料反射率，α\alphaα为入射角、通过邻域平面拟合估计反射角，再配合深度就可以恢复出材质的反射率，从而将强度信息用于特征匹配。特征点提取 在类似于LOAM的基于光滑度的特征提取策略中，额外考虑了强度的影响。强度地图构建 在栅格地图
2021-04-22 14:57:58
503
原创 fast-vgicp代码阅读
文章目录GICP代码解析pcl::Registration::align和fast_gicp::LsqRegistration::computeTransformationfast_gicp::LsqRegistration::step_lm和fast_gicp::LsqRegistration::is_convergedfast_gicp::FastGICP::calculate_covariancesfast_gicp::FastGICP::linearizefast_gicp::FastGICP::u
2021-04-17 19:30:29
2289
5
原创 LiTAMIN: LiDAR-based Tracking And MappINg by Stabilized ICP for Geometry Approximation with ND
文章目录系统流程ICP回环 本文的主要贡献在于提出了一种快速，稳定的ICP算法，以及在回环检测中的高效外点去除方法。系统流程 整体流程和LeGO-LOAM类似，不通的是将关键帧传送到硬盘中来节约内存。ICP 首先使用尺寸为1米的网格对点云进行降采样，然后将网格存入K-D Tree中便于访问。 采用如下方式计算点云配准过程中的方差：C−1=w(C+λI)−1∥(C+λI)−1∥2C^{-1}=\frac{w(C+\lambda I)^{-1}}{\Vert (C+\lambda I)^
2021-03-09 10:22:04
335
原创 VDB: High-Resolution Sparse Volumes with Dynamic Topology
文章目录VDB的特征VDB的数据结构直接访问位掩码叶节点中间节点根节点节点的组合方法优化方法 VDB是
2021-03-03 10:33:33
979
原创 Voxgraph: Globally Consistent, Volumetric Mapping Using Signed Distance Function Submaps
基于符号距离函数的大规模三维重建方法，使用子地图来降低存储和优化的代价。系统假设可以通过实时获得重力方向来降低位姿估计问题的维度。 本文根据固定频率生成子地图，假设子地图内误差较小，从而把全局地图构建转化为子地图的合并。全局位姿优化在子地图位姿之间展开。 针对子地图优化，本文构造了里程计，回环和重叠三种约束。 里程计约束指前端估计得到的位姿。 回环方法指通过词袋等方法构造帧间约束，通过帧在子地图中的位姿构造子地图约束。 重叠方法判断子地图直接按空间上是否存在重叠。本文通过位姿变换之后
2021-02-25 21:53:09
402
原创 ROI-cloud: A Key Region Extraction Method for LiDAR Odometry and Localization
文章目录特征提取重要性更新其他细节实验 本文基于特征选择点云中的关键区域，仅使用关键区域来进行位姿跟踪和全局定位，在加快了速度的同时，优化了效果。特征提取 采用和LOAM相似的特征提取策略，采用启发性阈值代替了对光滑度进行排序。 在方形区域中，计算特征分布的协方差矩阵。根据协方差矩阵的特征值计算方形区域的重要性。f=λ1e∑j∈Σeλje∣Pe∣+ηλ1p+λ2p∑j∈Σpλjp∣Pp∣f=\frac{\lambda_{1}^{e}}{\sum_{j \in \Sigma^{e}} \la
2021-02-24 14:59:49
383
1
原创 Robust RGB-D Camera Tracking using Optimal Key-frame Selection
文章目录前端部分视觉里程计特征提取和匹配后端优化关键帧选取优化实验结果 RGBD视觉SLAM，创新点在于自适应的位姿估计和关键帧选择策略。前端部分视觉里程计 使用点到平面icp和光度误差分别计算代价函数并估计位姿。使用匹配代价作为权重融合两个位姿。特征提取和匹配 提取SIFT特征，利用词袋构建进行特征和图像匹配，构建关联矩阵（affinity matrix），匹配关系被用于关键帧选取。后端优化关键帧选取 基于特征匹配数量形成帧和帧之间的约束，所有帧和约束构成了一个无向图，本文认为关
2021-02-23 21:18:55
155
1
原创 Reliable Data Association for Feature-Based Vehicle Localization using Geometric Hashing Methods
文章目录生成几何哈希表基于哈希表的定位 基于几何哈希的全局定位，由特征的相对位置关系生成局部地图加入哈希表，通过相对位置关系实现定位。从实验看，精度有待提高的同时，算法在空间和时间等方法也不能令人满意。生成几何哈希表 针对现有的地图离线生成哈希表供定位查询，目前算法生成的哈希表规模较大。在距离阈值内选择一对特征生成二维坐标系，将领域的地图投影到坐标系中压缩到指定大小加入哈希表中。同时还考虑了测量和定位的误差。基于哈希表的定位 对当前观测到的特征采用相同的方法生成哈希值在哈希表中进行查询，需要
2021-02-21 21:27:59
93
原创 LIPS: LiDAR-Inertial 3D Plane SLAM
文章目录平面表达点到平面的约束实验 基于平面约束的LIO系统，提出了使用到坐标原点最近的点来对平面进行表达和优化。本文着重于验证概念的可行性，实际应用还需要修正。 代价函数分为两个部分，IMU预积分和平面约束。预积分部分和常规方法相同。平面表达 使用到坐标原点最近的点来表示平面，点和平面的自由度相同，在优化时比平面方程便捷。为了解决无法表达经过原点的平面的问题，将平面定义在激光坐标系下。使用相对位姿变换来在不同激光坐标系之间传递平面约束。点到平面的约束 将点建模为带有高斯噪声的在平面上的
2021-02-11 15:05:41
414
原创 From Points to Planes - Adding Planar Constraints to MonocularSLAM Factor Graphs
在单目SLAM的框架中加入了平面约束。 状态空间为相机坐标，非平面点坐标，平面坐标和平面点在平面上的坐标。计算平面点代价函数时，将三维点投影到点所在平面上再计算匹配代价。 再整个优化过程中考虑了平面的约束和更新，例如：在回环检测时，首先对所有点进行优化，然后再根据优化之后的平面点坐标，重新计算平面方程。 实验中将图像的播放速度降低了6倍或者20倍，没理解为什么加平面约束会带来这么恐怖的计算量。实验也都在一些平面非常少的轨迹上进行，没有证明平面管理方法的可靠性。...
2021-02-10 15:20:59
166
原创 Tightly-coupled Fusion of Global Positional Measurements in Optimization-based Visual-Inertial Odome
文章目录 采用了基于滑动窗口的优化方法，在VIO紧耦合的框架中加入了全局传感器作为约束，在改善定位精度的同时，没有破坏算法的实时性。 从实验来看室外场景引入GPS信息获得了比较不错的效果提升，但问题在于室内如何获得廉价的全局观测，文中通过动作捕捉装置真值加上高斯噪声模拟的方式不能证明所提方法在室内的可行性。JV(X)=∑k=0K−1∑j∈Jk∥evj,k∥Wvj,k2+∑k=0K−1∥eik∥Wik2+∑k=0K−1∑j∈Gk∥egj,k∥Wgk2+∥ep∥2J_{V}(\mathcal{X}
2021-02-08 10:34:03
449
原创 LIC-Fusion 2.0: LiDAR-Inertial-Camera Odometry with Sliding-Window Plane-Feature Tracking
文章目录平面特征提取基于法向量的平面特征关联平面地标初始化平面特征优化 在LIC-Fusion加入了基于平面特征的匹配算法，同时分析了Lidar-IMU在线标定程序的退化情况。整体的基于滑动窗口和滤波的优化逻辑和前作相同，在本文中没有进行介绍。文中很多变量没有就含义给出具体解释，所以有些公式阅读非常困难。平面特征提取 采用和LOAM一样的逻辑进行平面特征提取。基于法向量的平面特征关联 分别对匹配的特征计算法向量和法线法相的距离，基于法向量拒绝错误的直线匹配。平面地标初始化 如果平面特征
2021-02-04 10:34:07
438
原创 Hybrid Camera Pose Estimation With Online Partitioning for SLAM
文章目录整体流程局部优化全局优化LM优化不理解的地方整体流程 参考SFM的方法了对局部地图进行构建和优化，基于不同局部地图的共视帧，进行全局优化。局部优化 选择具有强共视关系的一组点构成局部地图来保证局部BA的精度。由于确认每一对帧的共视关系非常复杂，采用所有二维特征的数量除以所有三维特征点的数量的方式来估算局部地图的共视关系。一旦比值超过阈值，就形成局部地图进行优化。全局优化 通过对局部地图的共视帧在不同局部地图中的位置进行统一优化的方式，进行全局优化。LM优化 由于从之前的局部
2021-01-31 22:15:01
220
原创 A Novel 3D LiDAR SLAM Based on Directed Geometry Point and Sparse Frame
文章目录系统流程特征提取模块局部优化模块全局优化模块系统流程 DGP-SLAM的流程可以分为三个模块，特征提取模块，局部优化模块和全局优化模块。特征提取模块 首先和LeGO-LOAM一样提取线特征和面特征，但是多了一步额外的后处理，根据特征的邻域计算直线方向或者平面法向量之后，保存这样特征点位姿和几何特征的六元组。因为点只会用一次，所以特征点数量变少了。局部优化模块关键帧选择 把所有点云分为三类，渲染帧，关键帧和非渲染帧。每隔一定距离选择一帧作为渲染帧，每隔一定数量选择一帧渲染帧作为
2021-01-19 10:07:14
147
原创 LiDAR Inertial Odometry Aided Robust LiDAR Localization System in Changing City Scenes
文章目录系统框架激光惯性里程计全局定位位姿优化地图变动检测参考文献系统框架[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kbIVlqwa-1610630354940)(index_files/2489d30b-7faa-4fcb-841c-1d35c9d0260a.png)] 整个系统分为四个模块，激光惯性里程计，位姿优化，全局定位和地图变化检测。激光惯性里程计 激光惯性里程计（LIO）模块在Cartographer的基础上做了四点改进：二维栅格地图拓展到
2021-01-14 21:19:54
777
原创 以transformAssociateToMap函数为例，分析LeGO-LOAM的坐标系统
文章目录LeGO-LOAM采用的坐标轴体系transformAssociateToMap函数剖析公式推导LeGO-LOAM坐标变换解析LeGO-LOAM采用的坐标轴体系 LeGO-LOAM的旋转顺序是固定轴ZXY而LeGO-LOAM坐标的选取在第一帧下的几何意义为Z朝前，Y朝上，那根据右手定则，X朝左。在RPY体系下就是滚转（Roll）——俯仰（Pitch）——偏航（Yaw）。在ROS和Eigen采用的坐标定义下就是sXYZ顺序。transformAssociateToMap函数剖析公式推导相
2021-01-10 10:43:16
2350
4
原创 LeGO-LOAM代码阅读
文章目录整体流程ImageProjection.cpp程序流程转换点云消息类型找到每个扫描开始和结束的角度生成 Range Image标记地面点点云聚类点云发布其他函数空间分配函数 allocateMemory变量初值设置函数 resetParameters参数和变量FeatureAssociation.cpprunFeatureAssociation函数特征提起和匹配位姿估计mapOptimization.cpploopClosureThread线程detectLoopClosure函数perform
2020-12-15 21:31:53
1236
原创 MulRan: Multimodal Range Dataset for Urban Place Recognition.md
文章目录系统搭建轨迹的选取其他 &emsp；本文提出的数据集是为了场景识别尤其是超声波雷达的场景识别设置的，提供了激光雷达，超声波雷达，IMU和GPS。也可以用于相应传感器组合的SLAM问题。系统搭建 本文采用和Complex urban dataset with multi-level sensors from highly diverse urban environments一文中类似的传感器标定和轨迹生成真值策略。激光和超声波雷达的相对位置如下，激光雷达的视野被挡住了一部分，论文中提到
2020-12-11 10:51:04
1349
原创 SLAM数据集——MulRan激光数据集
文章目录MulRan数据集激光数据结构MulRan数据集数据播放代码MulRan数据集测试 数据集地址：https://sites.google.com/view/mulran-pr/homeMulRan数据集激光数据结构 MulRan数据集的存储顺序和Kitti是不一样的，是按照点的接收顺序存储的，但是里面有很多点是0，0，0，而且点的数量和64线激光应该有的数量比，差距很大。MulRan数据集数据播放代码 项目地址：https://github.com/irapkaist/file_pl
2020-12-10 20:40:18
3427
6
原创 知识图谱调研
文章目录名词解释知识图谱的构建知识抽取知识融合存储格式知识图谱的应用参考文献名词解释语义网(Semantic Web)Tim.Lee在1998年提出的一个新概念，描述互联网中资源和数据之间的关系，使得互联网上的数据变得机器可读，常被用来指代一整套技术栈框架。知识图谱知识图谱本质上是语义网络（Semantic Network）的知识库，从实际应用的角度出发其实可以简单地把知识图谱理解成多关系图（Multi-relational Graph）。RDF（Resource Descriptio
2020-11-18 21:13:23
232
原创 Complex urban dataset with multi-level sensors from highly diverse urban environments
文章目录传感器构成传感器标定和数据格式轨迹真值的估计和配套开发工具 构建了多传感器，多环境，且环境具有动态特性的数据集。数据集地址：https://irap.kaist.ac.kr/dataset/传感器构成 数据采集车辆搭载了2D/3D激光，双目相机，IMU，FOG，里程计和GPS等不同精度的多种传感器。比较有特色的是，激光不是水平而是斜向放置，通过斜向放置来扩大观测范围。具体传感器类型如下图所示：传感器标定和数据格式 标定过程和数据格式详见论文，下面给出数据结构组织的示意图。轨迹真
2020-11-11 10:07:11
565
原创 Towards Noise Resilient SLAM
针对深度图的测量误差和相邻像素干扰问题，在BA前对特征点可靠性进行验证，同时改进了ORB-SLAM2的虚拟相机模型导致的误差函数，避免了零空间。当前RGBD VSLAM存在的问题 由于深度图测量值存在误差，同时在物体边缘处精度不高，现有SLAM算法采用的RANSAC算法不能稳定消除这些误差。ORB-SLAM2将RGBD图像转化为双目图像来对深度误差进行表达，但是在投影过程中会丢失一个维度的信息，从而导致零空间。基于地图点共识的离群点去除 在完成特征点匹配之后，BA优化之前，根据地标点质心G，
2020-11-02 21:49:34
254
原创 BALM: Bundle Adjustment for Lidar Mapping
文章目录代价函数，雅可比矩阵和海森矩阵自适应栅格化基于BA优化的LOAM 根据点在直线或平面上的约束，构建扫面间的特征匹配，基于此使用BA算法来进一步优化LOAM等视觉里程计得到的位姿。代价函数，雅可比矩阵和海森矩阵 在已知点和对应直线对应关系的前提下，整体代价函数表述为：(T∗,n∗,q∗)=argminT,n,q1N∑i=1N(nT(pi−q))2=argminT(minn,q1N∑i=1N(nT(pi−q))2)\begin{aligned}\left(\mathbf{T}^{*
2020-10-26 20:59:08
1750
原创 A micro Lie theory for state estimation in robotics
面向机器人方向的李群教程，不涉及李括号，确实到目前为止也没见过李括号的应用。李群的概念 李群指的是光滑可微的群，可以认为综合了群和光滑流形的概念。光滑，可微的流形，指的是领域和欧式空间同构的线性空间，也就是李群的每个元素存在线性空间或者向量空间作为切空间。由于单位元在群中的特殊地位，所以李群单位元的切空间李代数是在李群非常重要的概念。切空间和李代数 由于李群的光滑性，每个元素的切空间的结构相同，都可以通过线性变换变化至单位元的切空间，也就是李代数。在李群和李代数上，定义了以下几种运算
2020-10-25 17:09:08
887
原创 LIO-SAM代码阅读
文章目录程序整体框架roslaunch文件结构设置文件多线程间消息交互tf树结构imageProjection.cppimuHandler和odometryHandlercloudHandlerimuPreintegration.cppIMUPreintegration类imuHandler函数odometryHandler函数TransformFusion类featureExtraction.cppmapOptmization.cpploopClosureThreadvisualizeGlobalMapT
2020-10-21 21:15:06
3220
原创 IN2LAMA: INertial Lidar Localisation And MApping
使用上采样的IMU预积分进行激光运动补偿，通过相邻帧的线特征和面特征匹配来进行数据关联，在室内和室外场景都取得了不错的效果。文中说方法是非实时的。运动补偿 由于传感器的时间不是完美对齐，传统预积分会产生误差，本文通过对IMU测量进行上采样来实现任意时间点之间的预积分。特征提取 由于激光在垂直方向的稀疏性，在水平方向进行特征提取。对激光点两侧的点分布进行直线拟合，根据直线法向量的余弦角来提取面特征和线特征。平行于激光方向的线特征会被拒绝，把直线特征分为指向激光和远离激光两类。特征匹配 在
2020-10-15 15:03:13
302
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人