A-loam建图算法

A-LOAM构建3d点云地图并实时转存二维栅格地图

A-loam算法。源代码用的是velodyne雷达话题,但是现在用rslidar来处理。所以也会遇到另外一个包来转换相关的数据。

git clone https://github.com/HKUST-Aerial-Robotics/A-LOAM.git
https://github.com/HViktorTsoi/rs_to_velodyne.git

一个是a-loam,一个是转换数据。
下载了然后编译。就可以启动建图了:
source /devel/setup.bash
roslaunch aloam_velodyne aloam_velodyne_VLP_16.launch
rosbag play <YOUR_DATASET_FOLDER>/nsh_indoor_outdoor.bag、
bag数据在:
https://drive.google.com/file/d/1s05tBQOLNEDDurlg48KiUWxCp-YqYyGH/view
所以,综合一下所有的内容:
首先获取到点云数据,然后转换数据格式,然后启动a-loam。
source /devel/setup.bash
roslaunch rslidar_pointcloud rs_lidar_16.launch
rosrun rs_to_velodyne rs_to_velodyne XYZIRT XYZIRT
roslaunch aloam_velodyne aloam_velodyne_VLP_16.launch

注意转换数据时的坐标关系:在launch文件夹内新建XX.launch文件用来启动节点,并在launch内写入如下。其中args="XYZIRT XYZIRT"是Main函数的输入参数:XYZIRT、XYZIRT,使用空格隔开参数。

<launch>
 <node pkg="rs_to_velodyne" name="rs_to_velodyne" type="rs_to_velodyne"  args="XYZIRT XYZIRT"   output="screen">
 </node>
</launch>
  • 6
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
LeGO-LOAM是一种基于激光雷达的SLAM算法,可以实现机器人的定位和建图。相比于传统的LOAM算法,LeGO-LOAM算法采用了更加高效的点云分割和匹配算法,从而可以获得更快的运行速度和更高的精度。 LeGO-LOAM算法的主要流程如下: 1. 点云分割:将激光雷达采集到的点云数据分割成多个小分段,每个小分段包含连续的点云数据,这样可以降低算法的计算复杂度。 2. 特征提取:对每个小分段进行特征提取,提取的特征包括边缘特征、平面特征和角点特征,这些特征能够有效地描述环境的几何结构。 3. 局部匹配:对相邻两帧之间的点云数据进行局部匹配,即匹配两帧之间的相邻点云数据,从而得到机器人的运动轨迹。 4. 全局匹配:对采集到的所有点云数据进行全局匹配,从而得到机器人所在环境的三维地图。 5. 优化:通过优化算法对机器人的轨迹和地图进行优化,提高定位和建图的精度。 相比于传统的LOAM算法,LeGO-LOAM算法具有以下优点: 1. 高效性:LeGO-LOAM采用了分段扫描和分段匹配的策略,能够显著降低计算量,提高算法的运行效率。 2. 鲁棒性:LeGO-LOAM采用了多传感器融合的策略,能够在复杂的环境中保持较高的鲁棒性。 3. 精度高:LeGO-LOAM采用了基于特征点的配准和优化,能够获得较高的定位精度。 但是,LeGO-LOAM算法也存在一些缺点,例如对硬件的要求较高,需要使用高精度的激光雷达和较强的计算能力。此外,在一些特殊环境下,如光照弱或者反射率较低的环境中,LeGO-LOAM算法的性能可能会受到影响。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

白云千载尽

你的鼓励将是我创作的最大动力

¥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
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