FAST-LIO论文公式解析

已于 2024-06-03 10:25:21 修改
阅读量265 收藏 2
点赞数
分类专栏： LiDAR-IMU 文章标签： 算法
于 2024-03-29 15:57:35 首次发布
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。
本文链接：https://blog.csdn.net/hltt3838/article/details/137147162
版权
本文深入解析FAST-LIO论文，重点讲解指数映射/对数映射、BCH近似和SO3伴随等基础知识，并详细阐述误差状态转移方程的线性化过程，为理解该激光惯导融合算法提供关键概念和数学推导。
摘要由CSDN通过智能技术生成
了解本专栏 订阅专栏 解锁全文 超级会员免费看
FAST-LIO2代码解析(二)
努力努力努力
04-12 765
在上文中讲述了激光雷达的数据获取以及特征点提取的操作，这一节我们将围绕着IMU_Processing这一节来进行介绍。在ImuProcess.hpp中，一开始就是完成了对ImuProcess类的申明，里面我们可以看到在imu中最主要的还是角速度和加速度这两项特征，这与视觉SLAM的imu融合非常相似。//判断点的时间是否先后颠倒public:// imu参数输出文件//加速度测量协方差//角速度测量协方差//加速度测量协方差//角速度测量协方差。
Fast-Lio 论文解读
努力努力努力
03-29 669
【代码】Fast-Lio 论文解读。
FAST_LIO:计算有效且强大的LiDAR惯性里程计（LIO）软件包
03-21
注意：不支持Ubuntu 16.04及更低版本 FAST-LIO 2.0 将于2021年3月底发射。 新的功能： 更快更好 更高的频率； 更多的LiDAR支持（Horizo​​n和Ouster 64）； 支持基于ARM的嵌入式平台。 FAST-LIO FAST-LIO （快速LiDAR惯性里程计）是一种计算效率高且功能强大的LiDAR惯性里程计套件。它使用紧密耦合的迭代扩展卡尔曼滤波器将LiDAR特征点与IMU数据融合在一起，从而在发生退化的快速运动，嘈杂或混乱的环境中实现强大的导航能力。我们的软件包解决了许多关键问题： 快速迭代的卡尔曼滤波器，用于里程计优化； 在最稳定的环境下自动初始化； 并行KD-Tree搜索以减少计算量； 强大的特征提取； 开发者 ：激光贴图和姿势优化； ：特征提取。 要了解更多详细信息，请参阅我们的相关文章：） 我们的相关论文：现在可以在arxiv上获得我
fast_lio 的详细解析
最新发布
weixin_41150257的博客
11-16 1287
FAST-LIO结合了激光雷达（LiDAR）和惯性测量单元（IMU）的数据，通过紧耦合的迭代扩展卡尔曼滤波器（EKF）实现高精度的位姿估计。该算法在快速运动、噪声或杂乱环境中表现出色，具有计算效率高和鲁棒性强的特点。
FAST-LIO公式推导
白鸟无言的博客
09-06 4747
原代码对新手似乎不是很友好，所以用Eigen重新实现了Fast-LIO的核心功能https://gitee.com/ghowoght/simple_lio本文中变量命名与Fast-LIO论文中不尽相同，比如为了便于阅读而忽略了很多上下标，如有误解之处，敬请指正。
FAST-LIO 雅可比推导方法一
天下对手教会少林武僧
05-28 439
误差状态的定义如下：由于是ESKF(误差状态卡尔曼滤波器)，因此我们要估计的是误差状态。在FAST-LIO中对于误差状态转移方程的描述以及线性化结果如下：误差的估计值=状态的真值-状态的估计值。然后由状态转移方程从i+1时刻递推到i时刻。KF用的是一阶泰勒展开，那么这里的F_x就是一阶导，又因为误差和噪声的期望都为0，所以这使得我们可以在0处展开，因此只需要求解在0处的导数即可：分子部分，令链式求导展开：导数是单位阵。分子上的东西全消掉了，只剩误差项，所以是单位阵。
FAST-LIO2代码解析(一)
热门推荐
lovely_yoshino的博客
07-18 1万+
现在越来越多的激光雷达方法如雨后春笋一般冒了出来，最近以FAST-LIO为代表的系列渐渐地被大众接受。而FAST-LIO2的工作越来越被大众所熟知与研究。最近作者也在研究与学习FAST-LIO2的相关知识，这里将会以长文的形式来介绍FAST-LIO2.0的学习心得。本文将通过代码的形式与论文结合，直观的来分析论文的核心算法部分。也同时作为自己的学习笔记来留给后来人学习。...
Fast-LIO理论学习
weixin_42673393的博客
10-05 930
Fast-LIO的理论学习记录
FAST-LIO2代码解析(三)
努力努力努力
04-12 539
在讲述完一，二后IMU和雷达的数据输入算是讲明白了，下面几节我们将结合主程序来介绍本文最关键的迭代卡尔曼滤波器和iKD-Tree的算法。
FAST-LIO2代码解析(四)
努力努力努力
04-12 683
在讲完前面三节后我们将开始以主函数触发，并分析ESKF和IKD-Tree中对应的算法。其中ESKF作为主要的部分来进行展开介绍。
FAST-LIO论文梳理及公式理解
Ward_Tan的博客
07-16 2138
利用紧密耦合的迭代扩展卡尔曼滤波器将激光雷达特征点与IMU数据融合，从而在快速运动、噪声或杂波环境中实现鲁棒导航。为了降低在大量测量条件下的计算量，我们提出了一个新的计算卡尔曼增益的公式。新公式的计算量不再依赖于测量维数，而是依赖于状态维数。
FAST-LIO 文章解读和公式推到
09-28
FAST-LIO 文章解读和公式推到
FAST-LIO论文阅读
晓晨的博客
05-28 4713
FAST-LIO是港大MaRS实验室在2021年提出的一个紧耦合迭代扩展卡尔曼滤波高计算效率、高鲁棒性的雷达里程计。影响深远，后续又陆续提出了FAST-LIO2以及Faster-LIO等框架。下面，我们简单了解一些论文中的各个模块及其处理流程。
FAST-LIO论文解读与详细公式推导
weixin_44923488的博客
11-29 7832
FAST-LIO论文解读与详细公式推导
关于FAST-LIO中使用卡尔曼滤波增益更新求逆简化问题推导
努力是明天快乐的源泉
03-15 1386
1、公式原型 2、推导过程 书籍中P258.Accuracy_and_stability_of_numerical_algorithms 3、FAST-LIO论文中提到的增益求逆简化公式
FAST-LIO2论文精度与公式推导
weixin_44675820的博客
05-06 432
FAST-LIO2论文精度与公式推导
FAST_LIO论文精读
m0_61812914的博客
11-09 688
fastlio阅读笔记
FAST-LIO2源码学习
CCChester的博客
05-05 9537
学习计划 因为fast-lio2的框架将各个线程都放到了一个节点中，因此也就只有一个主函数cpp文件，从工程结构来看更加简约，代码风格更加集中化。 主函数结构 主要梳理清楚各个模块在主函数中的分布，实现的功能以及之间的联系。 各模块函数具体实现 涉及各个模块中数学原理和代码的实现，较为复杂。 尚未理解的地方 主要涉及编程语言的使用技巧、数学原理的实现等没有理解的内容。 可以借鉴的优点 工程上对传感器信息进行处理的操作； 框架布局的构思； 项目文件的分布等。 主函数结构 各个结构所需参数获取 主要是从yaml
FAST-LIO论文解析
超爱吃小蛋糕的66的博客
12-29 4712
本文提出了一种计算效率高、鲁棒性好的激光-惯性里程计框架。我们使用紧耦合的迭代扩展卡尔曼滤波器将LiDAR特征点与IMU数据融合在一起，从而在快速运动、嘈杂或混乱的环境中实现鲁棒导航。为了在大量测量数据的情况下降低计算负荷，我们提出了一个新的计算卡尔曼增益的公式。新公式的计算量依赖于状态维数而不是测量维数。在各种室内和室外环境中对所提出的方法及其实现进行了测试。
"个人理解fast-lio论文和代码：基础准备、李群和流形，数据格式解析
本文将介绍对于fast-lio论文和代码的个人理解，包括对其基础准备、基本理论、数据格式等方面的探讨和总结。 首先，在基础准备部分，fast-lio介绍了关于李群和李代数、流形(manifold)以及数据格式的知识。李群和李...
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

打赏作者

他人是一面镜子，保持谦虚的态度

你的鼓励是我最大的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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