激光SLAM：LOAM-Livox 算法研究（1） -- 功能包编译与验证
激光SLAM：LOAM-Livox 算法研究（1） -- 功能包编译与验证
- 1、功能包所需环境
- 2、功能包下载和编译
- 3、运行
- 3.1 Livox Mid-40
- 3.2 Livox Mid-100
- 4、公开数据集（Rosbag）进行验证
- 4.1 Mid-40小场景
- 4.2 Mid-40大场景
- 4.3 Mid-100
- 4.4 带有回环 的 数据集
LOAM-Livox是针对livox-LiDAR的一个激光里程计和建图（LOAM）的功能包
Loam-Livox是一个适用于 Livox LiDAR 强大的、低漂移实时的里程计和建图功能包
Livox LiDAR 是专为大量工业用途而设计的低成本，高性能LiDAR。
功能包解决了许多关键问题，特征提取和在有限FOV下提取，强大的异常值排除，运动物体过滤，运动失真补偿。
此集成了其他功能，例如可并行管道，使用单元和地图的点云管理，循环闭合，用于地图保存和重新加载的实用程序等。
论文1地址 主要写了Loam_livox的整体算法
论文2地址 主要就闭环优化这块进行分析
1、功能包所需环境
- Ubuntu 64-bit 16.04 或者 18.04.
- ROS Kinetic 或者 Melodic
- Ceres Solver 安装可参考网址
Ceres可以解决形式受限的鲁棒非线性最小二乘问题
- PCL 安装可参考网址
2、功能包下载和编译
cd ~/catkin_ws/srcgit clone https://github.com/hku-mars/loam_livox.gitcd ../catkin_makesource ~/catkin_ws/devel/setup.bash
3、运行
3.1 Livox Mid-40
连接 PC 和 Livox LiDAR
然后先启动 Loam-Livox 算法
roslaunch loam_livox livox.launch
再启动 livox-ros-driver
roslaunch livox_ros_driver livox_lidar.launch
3.2 Livox Mid-100
Livox-ros-driver的默认配置将所有三个激光雷达点云混合在一起，这给特征提取和运动模糊补偿带来了一些困难。
所以对于这款激光雷达 启动功能包前要做些配置
4、公开数据集（Rosbag）进行验证
可以下载录制好的数据集进行测试
地址要翻
数据集已经下好传到百度网盘里了
百度网盘地址
提取码： sv9z
4.1 Mid-40小场景
执行指令
roslaunch loam_livox rosbag.launch
rosbag play YOUR_DOWNLOADED.bag
这个是小场景的，跑出来是这样
4.2 Mid-40大场景
大场景的 需要 launch 较大的线和平面的分辨率 的那个文件 （ 启动这个rosbag_largescale.launch）
大场景对应的数据集 可以用 HKUST_01.bag
执行指令
roslaunch loam_livox rosbag_largescale.launch
rosbag play YOUR_DOWNLOADED.bag
结果：
4.3 Mid-100
数据集地址
执行指令
roslaunch loam_livox rosbag_mid100.launch
rosbag play mid100_example.bag
4.4 带有回环 的 数据集
有个小的 rosbag，loop_loop_hku_zym.bag 可以验证
具体指令
roslaunch loam_livox rosbag_loop_simple.launch
rosbag play YOUR_PATH/loop_simple.bag
大场景的 回环数据 有loop_loop_hku_zym.bag, loop_hku_main.bag
roslaunch loam_livox rosbag_loop.launch
rosbag play YOUR_DOWNLOADED.bag
可以看到启动的launch文件并不相同
rosbag_loop_simple.launch 和 rosbag_loop.launch
仅有一点区别，最小关键帧的数量(minimum_keyframe_differen)不同
激光SLAM：LOAM-Livox 算法研究（1） -- 功能包编译与验证相关推荐
- 3D激光SLAM:LOAM 论文--算法详细解读
3D激光SLAM:LOAM 论文--算法详细解读 LOAM简介 论文里面的符号表示 算法部分 激光雷达里程计 A 特征点提取 B 找特征点的匹配对 C 运动估计 lidar 建图 测试结果 LOAM是 ...
- 传统激光条纹中心提取算法研究现状
传统激光条纹中心提取算法研究现状 前言 一.边缘法 二.中心法 三.阈值法 四. 细化法 五.极值法 六.灰度重心法 七.方向模板 八.曲线拟合法 九.Steger 前言 光条中心提取是将宽度大于1的 ...
- 3D激光SLAM：Livox激光雷达硬件时间同步
3D激光SLAM:Livox激光雷达硬件时间同步 前言 同步原理 PTP时间同步原理 GPS时间同步原理 PPS时间同步原理 GPS+PPS时间同步使用方法 Livox Hub Livox Conve ...
- 激光SLAM之NDT算法（1）算法原理
/在激光SLAM之NDT算法(2)-建图中我会给出实测可用的建图代码,并予以解释代码结构,这里就先讲讲原理吧!!!/ 无人车激光SLAM系统简单可以分为建图和定位两部分,无人车的定位问题,实际上就是要 ...
- PX4 avoidance 功能包编译问题
PX4 avoidance 功能包编译问题 问题描述 问题排查 问题解决 问题描述 在编译的过程中出现下面的错误. CMake Error at /usr/lib/x86_64-linux-gnu/c ...
- SLAM | 激光SLAM中开源算法对比
点击上方"AI算法修炼营",选择加星标或"置顶" 标题以下,全是干货 前面的话 好久没有更新SLAM系列的文章了,前面我们讲到了激光SLAM技术.基于激光雷达的 ...
- 激光SLAM：Livox激光雷达硬件时间同步
作者 | 月照银海似蛟龙 编辑 | 古月居 点击下方卡片,关注"自动驾驶之心"公众号 ADAS巨卷干货,即可获取 点击进入→自动驾驶之心[SLAM]技术交流群 后台回复[SLAM ...
- 关于激光slam loam的分析
最近研究了一下loam的代码.几件了下面的几篇文章. https://zhuanlan.zhihu.com/p/29719106 https://blog.csdn.net/nksjc/article ...
- MULLS：一种基于多尺度线性最小二乘的激光SLAM算法
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 作者丨paopaoslam 来源丨 泡泡机器人SLAM 标题:MULLS: Versatile LiD ...
- 彻底搞懂基于LOAM框架的3D激光SLAM全套学习资料汇总！
地图定位算法是自动驾驶模块的核心,而激光SLAM则是地图定位算法的关键技术,其重要性不言而喻,在许多AI产品中应用非常多(包括但不限于自动驾驶.移动机器人.扫地机等).相比于传统的视觉传感器,激光传感 ...
最新文章
- DeepMind提出基于视觉的强化学习模型，十八般兵器对机器人不在话下
- Python基础训练题-简单数学公式
- PA银行面试之炮灰之程
- 函数重载、引用再探、内联函数
- 常引用、常对象和对象的常成员
- 找出不是两个数组共有的元素_06.数组(练习篇)
- Codeforces Round #533 (Div. 2) 部分题解A~D
- 第八章、面向对象设计
- LCD1602简易驱动程序
- css标签选择器、类名选择器、多类名选择器
- 输出任意乘法 口诀表
- 2023年天津天狮学院专升本专业课考试延期的通知
- +中文词频统计及词云制作9-25
- 老罗（www.luocong.com）
- 什么是MES系统，实施难度大不大？
- 双十一销量预测_双十一历年销售额盘点 2020年双十一销售额预测
- 如何有效建立触摸屏与PLC之间无线通讯？
- 想剑网三妹子最多服务器,每当谈论起哪款端游女生玩家多，为什么我们总是会想起剑网3？...
- 游戏海报——快手2019校招真题——笔试编程C/C++
- Cent OS 7 安装海峰、极点五笔输入法