【FAST-LIVO】代码编译、进程崩溃问题解决、官方数据集演示、算法移植

最新推荐文章于 2025-04-14 16:39:21 发布
原创 最新推荐文章于 2025-04-14 16:39:21 发布
· 1.6k 阅读 · 8 ·
版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#算法 #自动驾驶 #stm32 #github

文章展示了如何使用官方提供的多个数据集，包括hku1.bag,hku2.bag,LiDAR_Degenerate.bag和Visiual_Challenge.bag进行演示，并详细说明了在编译和运行FAST-LIVO过程中遇到的进程崩溃问题及其解决策略。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

FAST-LIVO复现
如果想成为中心，那么就到中心去吧。
10-15 4047
PS:可能遇到的问题 CV_* ’was not declared in this scope，opencv4部分命名发生变换，将CV_WINDOW_AUTOSIZE改为WINDOW_AUTOSIZE；CV_TM_SQDIFF_NORMED改为TM_SQDIFF_NORMED。FAST-LIVO通过使用LiDAR点云建立环境地图，IMU提供高频率的动态信息，视觉传感器提供纹理信息，综合这些数据源来提高定位的精度和鲁棒性。这种多传感器融合的方法使其在动态和复杂环境中也能保持高精度的位姿估计。
fast-live-reload:实时重新加载，适用于所有可能的浏览器
05-16
快速重新加载 观看页面更改而无需刷新浏览器。 实时重载终于感觉完美。 实时重载可与所有可能的浏览器（ie8 +）一起使用，而无需外部依赖项（如jQuery），并且可以执行几乎所有操作，并与您拥有的任何开发流程集成在一起，包括其他观察程序工具或构建步骤。 不要相信我，在简短看看为什么它很棒。 它只有18分钟的时间，您可以感受到快速重新加载的强大功能。 重新加载的工作无需触及您的网站代码。 为什么 我想要一个简单的工具，可以在所有浏览器上甚至在远程机器上轻松开发和测试各种Web应用程序（例如，参见 ）。 该工具是专门为此目的而设计的。 例子 实时重新加载应用程序可以通过fast-live-reload或命令行中的flr来使用。 $ fast-live-reload 1. Will notify the changes for clients on port 9001 2. and
fast-livo运行官方数据集踩坑记录（Ubuntu2004，虚拟机）
CHNNNNNNNN的博客
06-18 861
这里记录一下Ubuntu2004的不同，在所有工作准备好之后，catkin_make编译fast-livo的包大概率会出现错误，原因应该是因为2004的编译规则与1804的编译规则不一样，变得更加严格，因此对语法的要求也更加严格，所以需要改源码。最近在学习多源传感器数据融合做slam，fast-livo是其中避不开的一个算法，折腾了很久，终于在虚拟机上安装好，其中还误操作导致vmware未正确卸载，因此耽误了很多时间（用过的都知道vmware删除有多麻烦）。1、加上头文件，具体百度即可。
基于mid360雷达的停车场SLAM
最新发布
a2935605的博客
04-14 231
NUC：英特尔（Intel）NUC13ANKi7。硬件准备：NUC、雷达、相机、镜头、同步线。相机：BFS-U3-50S5C-C 工业相机。雷达：Livox 觅道 Mid-360。镜头：KOWA LM5JC1M。
工程（十六）——自己数据集跑Fast_livo
HUASHUDEYANJING的博客
12-29 2966
Fast_liv/src/FAST-LIVO/config 需要改一个avia_resize.yaml和camera_pinhole_resize.yaml。关于固态激光雷达和相机的数据集如何建立见之前跑r3live的博客。下面两个直接把包下载下来一起编译就可以。选择自己的yaml文件和topic名称。1.config文件。
fast-livo运行官方数据集踩坑记录（Ubuntu1804，双系统与虚拟机）
CHNNNNNNNN的博客
06-15 1258
双系统我也是使用Ubuntu1804+ros1，这里有一个大坑导致我重新装了三次系统，就是安装我上方写的安装opencv的教程的时候，在配置环境，更改bash.bashrc时，千万千万不要把source那一行写进去，不然你的终端就会闪退，且无法输入任何命令，无法进行任何操作。安装第三方库时，其他的都没有什么问题，就是安装opencv时不要安装太老版本的opencv，但是也不能安装太新版本的，最好是大于3.2的，但是又不是4.X的。
ROS实验笔记之——FAST-LIVO
gwpscut的博客
11-14 5497
最近IROS22的FAST-LVIO源码开源了，笔者赶紧测试一下。
探索未来导航技术：FAST-LIVO - 快速紧耦合稀疏直接激光雷达-惯性视觉里程计
gitblog_00664的博客
08-08 1198
探索未来导航技术：FAST-LIVO - 快速紧耦合稀疏直接激光雷达-惯性视觉里程计 项目地址:https://gitcode.com/gh_mirrors/fa/FAST-LIVO 在探索机器人和自动驾驶领域中，精确的实时定位是至关重要的。今天，我们为您带来了一项创新的开源项目——FAST-LIVO。这是一个快速、紧密耦合且基于稀疏直接法的LiDAR-Inertial-Visual里程计系统，旨...
ROS2 fast_lio2
04-01
例如，用户提供的引用[1]中提到FAST-LIVO的配置文件，这可能与Fast-LIO2有关联，但需要进一步确认。引用[3]提到了r2live包，这可能也是一个相关的项目，但用户明确询问的是fast_lio2。 接下来，我需要整理使用步骤...
旭日x3复现fastlivo2
03-28
算法移植与优化建议 ##### （1）代码迁移 下载官方发布的 FastLIVO2 源码仓库至本地机器后，仔细阅读 README 文件中的说明文档，了解项目结构及各模块功能描述。重点分析以下几个方面是否存在差异： - 是否存在...
经典文献阅读之--FAST-LIVO（Fast-LIO系列的激光视觉惯性里程计）
lovely_yoshino的博客
01-04 6842
在此之前博主对和进行了系统性的学习。最近文章《》提出了FAST-LIVO，这是一种快速LiDAR惯性-视觉里程计系统，它建立在两个紧耦合的直接里程计子系统之上：VIO子系统和LIO子系统。LIO子系统将新扫描的原始点(而不是边缘或平面上的特征点)添加到增量构建的点云地图中。这些地图点还额外关联了图像块，VIO子系统使用点云地图附加的图像块，在不提取任何视觉特征(例如ORB或FAST角点特征)的情况下最小化直接光度误差，以此来对齐新图像。
开源项目速览：港大最新研发激光雷达惯性视觉里程计系统FAST-LIVO（即将开源）
Make something people want.
03-17 1566
1、项目简介 香港大学最新研发了一种快速激光雷达惯性视觉里程计系统FAST-LIVO，它建立在两个紧密耦合的直接里程计子系统上：VIO子系统和LIO子系统。LIO子系统将新扫描的原始点注册到增量构建的点云地图，然后在VIO子系统中使用这些图像块。本系统支持多线旋转激光雷达和具有完全不同扫描模式的新兴固态激光雷达，并且可以在Intel和ARM处理器上实时运行。 2、项目信息 开源地址：https://github.com/hku-mars/FAST-LIVO 论文下载地址：https://arxiv.or
fast-lio的bag包
04-21
这是一个用于定位于构图算法Fast_lio的数据包
Fast-Livo：快速紧耦合稀疏-DirectLiDAR-惯性视觉里程计
3D视觉工坊
04-04 3182
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者丨吕乐章来源丨计算机视觉life今天给大家分享一篇香港大学火星实验室最新的成果，题目是快速紧耦合的稀疏直接雷达-惯性-视觉里程计，英文标题：FAST-LIVO: Fast and Tightly-coupled Sparse-DirectLiDAR-Inertial-Visual Odometry论文地址：FAS...
Fast-Livo：快速紧耦合的稀疏-直接雷达-惯性-视觉里程计
limingmin2020的博客
06-06 1853
本文提出了FAST-LVIO：一种融合LiDAR-IMU-视觉的里程计系统，它由两个紧耦合的子系统构成：VIO子系统和LIO子系统。LIO子系统将当前帧扫描到的原始点（而不是特征点，例如边或平面）添加到增量点云地图。点云地图点还附加有图像块，这些图像块会在VIO子系统中使用，通过最小化光度误差来对齐新图像，而无需提取任何视觉特征（例如，ORB或FAST角点特征）。...
FAST-LIVO: 快速紧耦合的稀疏直接激光-惯性-视觉里程计
gitblog_07877的博客
09-13 894
FAST-LIVO: 快速紧耦合的稀疏直接激光-惯性-视觉里程计 FAST-LIVO A Fast and Tightly-coupled Sparse-Direct LiDAR-Inertial-Visual Odometry (LIVO). ...
FAST-LIVO：快速紧耦合稀疏直接激光视觉里程计
人无远虑，必有近忧
07-18 6197
多传感器融合被证明是一种能够在SLAM任务中取得准确和鲁棒位姿估计的有效解决方案，因而在机器人应用中具有无限可能。本文提出了FAST-LIVO方法，一种快速的雷达-惯性-视觉里程计，其中包含了两个紧耦合的直接里程计子系统：一个VIO子系统和一个LIO子系统。LIO子系统registers激光的原始点云数据（而不是平面或者边上的特征点）到一个增量点云地图中。点云地图中的三维点带有颜色纹理信息，这样不用提取任何的视觉特征点（ORB或者Fast角点），就可以被VIO子系统通过最小光度误差与最新的图像帧对齐。为了进
Fast-livo编译时报错缺少头文件States.h
zexuaner的博客
11-22 638
看到有些方法说把common_lib.h里的states注释掉，但是注释完之后依旧会报缺少Pose6D的头文件，研究了好久最终发现是catkin_make的问题。只要以单线程去编译就可以。
Fast-LIVO和R3LIVE
z15f34的博客
01-17 1779
Fast-LIVO追求精度。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值