点击下方卡片,关注“CVer”公众号
AI/CV重磅干货,第一时间送达
作者:Yusheng | 已授权转载(源:知乎)
https://zhuanlan.zhihu.com/p/402344909
5年前开始接手大场景的SLAM重建,到现在适配过各种常见型号雷达,不同的INS,RTK,另外还有诸如轮速,chassis info,4G/5G通讯定位等信号的输入,处理过许多复杂场景,例如隧道,严重堵车等环境。
最近刚好在做一个超过50km的城市建图数据,效果还挺不错的,跟大家分享一下处理过程:
视频见:
https://www.bilibili.com/video/BV17q4y1D787
数据采集&数据准备
采集车是一辆红旗H9轿车,用到的雷达是顶部的一台128线雷达,组合导航设备是一台平凡无奇的车用级组合导航设备,车辆搭载了8摄像头的周视系统,所有传感器都经过预标定。
采集路线是从武汉的华中智谷到创意城,单程25km多,往返超过了50km,每10s采集一个sequence,总共采集了424个sequence。
由于自己对自己的算法非常有信心(测试过超20T各种数据),于是乎直接上手拿SLAM撸建图,数据准备方面,将数百个sequence按200s一个bag,组合成若干个rosbag,这里为了减小存储量,只提取了前视摄像头,lidar,ins,chassis,轮速的信息出来。
坐标系转换,BLH肯定得转UTM的,所以前端做了一个重发布
点云赋色,基于标定结果反算了一下发现标定精度还是蛮高的,所以又做了点云赋色的进程
数据处理&优化
主要的优化包括以下几点
由于这个组合导航设备蛮垃圾的,即使显示RTK FIX了,但是定位结果还是很差,有时候经纬度还是负数,于是单独开发了一个基于原始数据的RTK程序,让RTKFIX这个值变得稳定,后来又发现即使RTK FIX了,INS的输出有时候还是一团糟,所以做了一个组合导航的滤波,对数据进行了进一步处理,让INS的输出可用。
多线程的管理,赋色,优化,存储,显示这些都做了优化。
地图存储&优化,最后做到200s数据4 Gib大小的地图,10s内能存储完毕。
结果展示
懒得放Google Earth上的轨迹了,将就一下:
由于是要给图商做标注的,所以车道线必须明显
现在的难点一是地图精度评定,二是动态物体去除,一只能借助测绘手段才行,二的话用过一些方法还行,但是无法彻底去除,还得研究研究
ICCV和CVPR 2021论文和代码下载
后台回复:CVPR2021,即可下载CVPR 2021论文和代码开源的论文合集
后台回复:ICCV2021,即可下载ICCV 2021论文和代码开源的论文合集
后台回复:Transformer综述,即可下载最新的两篇Transformer综述PDF
CVer-SLAM交流群成立
扫码添加CVer助手,可申请加入CVer-SLAM微信交流群,方向已涵盖:目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch和TensorFlow等群。
一定要备注:研究方向+地点+学校/公司+昵称(如SLAM+上海+上交+卡卡),根据格式备注,可更快被通过且邀请进群
▲长按加小助手微信,进交流群
▲点击上方卡片,关注CVer公众号
整理不易,请点赞和在看