23/11开始记录工作细节,总是忘记一些工作细节和之前的工作。
时间 | 工作 |
---|---|
23/07 | 从视觉slam方向转换位激光slam,细读了LOAM、LIO-SAM、FAST-LIO2、faster-lio |
23/08 | 研究低内存消耗方向的大规模激光slam,以及提高精度 |
23/09 | 完成一篇会议论文,并开始写第一份代码(Faster lio + GTSAM + 回环优化) |
23/10 | 开始搞激光语义slam,运行rangenet++和lidar-bonnetal |
23/11 | 开始第二份代码 (Lio-sam + 语义分割 + ivox3d体素地图) |
23/12 | 搭一台履带车,并安装运行环境 |
24/01 | 学习autoware并在小车上实现导航避障 |
第一份代码:将faster lio加入GTSAM因子图,实现回环
实验过程:https://blog.csdn.net/Nico_jion/article/details/133848993
细节记录 | |
---|---|
1 | PCL库的ICP、NDT、GICP,点云匹配的初值设定很重要 |
2 | gtsam优化中,误差设定太小会导致数据很异常 |
3 | gtsam回环优化中,仅靠一个回环匹配难以拉回,需要多个才可以矫正 |
4 | 累积误差过大,通过GTSAM矫正反而会使地图质量下降 |
5 | Faster lio 中通过使用哈希表和链表构成了LRU,得益于这个结构,省内存、快搜索 |
6 | |
7 |
第二份代码:Lio-sam + 语义分割 + ivox3d体素地图
细节记录 | |
---|---|
1 | |
2 |
效果如下图,16线激光雷达,绿色为植物、红色为人影、灰色为地面、黄色为建筑物 、蓝色为汽车