realsense d455 semantic_slam实现语义八叉树建图

Intel D455 + ORB_SLAM2 实时语义建图指南
最新推荐文章于 2024-03-03 14:46:06 发布
原创 最新推荐文章于 2024-03-03 14:46:06 发布 · 2.4k 阅读 · 44 ·
CC 4.0 BY-SA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：

#深度学习 #人工智能 #slam

本文介绍如何使用D455摄像头与ORB_SLAM2结合，实现语义分割并构建八叉树地图，涉及SDK安装、深度图选择、参数调整及深度图缩放等关键步骤。

orb_slam2 + 语义分割 + 八叉树地图,
github地址：https://github.com/floatlazer/semantic_slam

环境配置参考链接

现在说说要用d455来实现实时建图，需要修改哪些地方。

首先要安装intel realsense的sdk,
到realsense-viewer可成功显示界面即成功

然后安装realsense的ros wrapper, 让d455可通过ros发送topic
安装方法
这一步需要同时安装ddynamic_reconfigure包，从github上下载下来，
和realsen_ros同放在catkin_ws/src下make即可

直到roslaunch realsense_camera rs_rgbd.launch能启动

关于深度图用哪个topic的问题：
深度图有的地方说要用/camera/depth/image_rect_raw
也有的说用/camera/aligned_depth_to_color/image_raw
（具体相机发布了哪些topic可以用rostopic list命令确认）
注意用roslaunch realsense_camera rs_camera.launch启动相机是没有/camera/aligned_depth_to_color/image_raw的

在rviz里观察了一下

最低0.47元/天 解锁文章
【第20话：定位建图】SLAM 语义地图创建方法及流程详解
一碗白开水一
09-10 1268
摘要 SLAM（同步定位与建图）结合语义分割技术可构建包含物体类别与属性的语义地图，提升机器人导航与场景理解能力。核心方法包括：1）视觉SLAM与语义分割融合，2）多传感器（LiDAR、IMU、摄像头）数据整合，3）端到端深度学习模型。构建流程涵盖数据采集、特征提取、语义分割、位姿估计、语义融合及地图优化。关键技术挑战包括动态物体处理、实时性优化及语义一致性维护。典型实现通过点云分割与SLAM系统（如ORB-SLAM3）结合，辅以深度学习模型（如PointNet++）完成语义标注，最终生成八叉树或点云形式的
在realsense D455相机上运行orb_slam3
最新发布
如果想成为中心，那么就到中心去吧。
03-22 848
DS-SLAM: A Semantic Visual SLAM towards Dynamic Environments 论文笔记
TheRun的博客
04-18 3699
DS-SLAM: A Semantic Visual SLAM towards Dynamic Environments 论文笔记 源码：https://github.com/ivipsourcecode/DS-SLAM 主要是通过语义分割和运动一致性检查相结合的离群值剔除方法来检测动态点。 摘要 本文提出了一种面向动态环境的稳健语义视觉SLAM—DS-SLAM。在DS-SLAM中，有五个线程并行运行:跟踪、语义分割、局部映射、循环关闭和密集语义地图创建。DS-SLAM将语义分割网络与移动一致性检查方法相结
【基于视觉语义特征的室外SLAM建图算法研究】
dulu_301的博客
04-15 8508
首先什么是语义SLAM，我们知道传统的视觉SLAM是基于关键点、描述子等低级图像特征来进行定位和建图的，那么对于一些更高层次的带有明确意义的语义信息，比如现实世界中真实的物体，将它作为特征来进行优化的SLAM就称为语义SLAM，它更接近于人类的感知，因为人类对地图的观测不是看一堆点云的点，或者位姿的四元数，人类看的地图，就是这里有地铁站，那前里有红绿灯。 现如今语义SLAM的工作主要分为semantic mapping和real semantic slam，语义建图中一部分工作就是将2D图像的语义分割结.
动态环境下基于语义和光流约束的视觉同步定位与地图构建
ljtx200888的博客
06-05 1390
（一）相关研究 传统的动态环境感知算法 Fang 等和Wang 等采用光流法过滤场景中的移动物体； Bakkay用基于光流法的改进场景流来过滤移动物体; Zhao 等人使用深度图像和多视角几何方法检测动态物体。 【注】以上传统算法对光照等环境变化敏感，鲁棒性较差。 基于神经网络的动态感知 优秀语义分割算法：SegNet [9] 、DeepLab [10] 、Mask-RCNN [11]； Zhong 等 [12] 使用 SSD 检测图片中的物体,对于先验标记为动态的物体种类,过滤其
使用Realsense D435i运行VINS-Fusion并建图
不知语冰
10-30 1万+
未完… 2 安装测试realsense的ROS包 安装： cd ~/catkin_ws/src git clone https://github.com/intel-ros/realsense.git cd .. catkin_make rospack profile source devel/setup.sh 中间可能报错缺少ddynamic_reconfigure，请到github下载代码直接放置到你的catkin_ws/src中。 注：安装以下（不装的话，我的电脑运行一会儿就出错，忘记记录错误了，大
Intel RealSense D435i + BundleFusion 实现实时三维建图
Claiborne696的博客
08-11 1万+
内容概览摘要操作环境RealSense D435i 介绍BundleFusion工程环境配置安装 RealSense SDKRealSense SDK 本地环境配置BundleFusion 工程属性表相机类型设置修改 GlobalAppState.h 文件修改 FriedLiver.h 文件添加 RealSense 相关实现类生成解决方案error C3646出错原因解决方案error LNK2001出错原因解决方案配置文件修改修改 zParametersDefault.txt修改 zParametersB
semantic_slam环境配置
蓝羽飞鸟的博客
06-16 3136
orb_slam2 + 语义分割 + 八叉树地图,
semantic_slam
09-14
总结起来，Semantic SLAM是一种基于语义分割的同时定位与建图方法，它结合了ORB-SLAM2和八叉树地图。您可以从GitHub地址https://github.com/floatlazer/semantic_slam获取该方法的实现代码。在使用semantic_slam包...
RealSenseD435与ORB-SLAM2实现稠密建图
weixin_43828675的博客
05-31 3333
一、RealSenseD435介绍 RealSenseD435是一款结构光相机，使用左右目相机和红外光实现测距。有效测距范围为0.2~10m 二、ORBSLAM2_with_pointcloud_map的安装 git clone https://github.com/gaoxiang12/ORBSLAM2_with_pointcloud_map.git clone代码，无法下载的话，可以直接去https://github.com/gaoxiang12/ORBSLAM2_with_pointcloud_m
SLAM--intel realsense2在ORB SLAM2 和 ORB SLAM3下建图和重定位（ubuntu 20.04, opencv 4.2.0 以上）
老邹的博客
02-24 5690
用intel 的realsense相机实现orb-slam2(ubuntu 20.04系统): 链接地址: github: https://github.com/zouyuelin/ORB_SLAM2_Changed   建图和重定位效果 步骤 1.编译g2o cd g2o_with_orbslam2/ mkdir build cd build make -j sudo make install 2.构建ROS工作空间 mkdir -p ~/catkin_ws/src cd ~/catki
semantic_slam_nav_ros-master.zip
06-02
semantic_slam_nav_ros-master.zip
八叉树Octree
热门推荐
Augusdi的专栏
06-30 3万+
维基释义：八叉树（Octree）是一种用于描述三维空间的树状数据结构。八叉树的每个节点表示一个正方体的体积元素，每个节点有八个子节点，这八个子节点所表示的体积元素加在一起就等于父节点的体积。一般中心点作为节点的分叉中心。百度百科释义：八叉树（Octree）的定义是：若不为空树的话，树中任一节点的子节点恰好只会有八个，或零个，也就是子节点不会有0与8以外的数目。那么，这要用来做什么？想象一个立方体，
ubuntu中使用Realsense相机建图,结果显示在RealSense Viewer
m0_52765390的博客
02-18 2767
提示：git clone 时尽可能使用热点，可以多重复几次，因为有可能收到网络不稳定的影响。如果git clone 实在不行，可以在连接上下载压缩包，放到虚拟机Ubuntu上。但是官网教程上的安装步骤往往一行命令包含多项操作，如果出现error，可能会不好定位问题。所以可以按照下面这种方式安装。上面命令根据Ubuntu版本有所不同，具体可见方式1中的文档（如下）。如果出现了上面图片中标注出来的信息，则说明该相机可以被识别。可以使用以下命令，来判断是否可以识别。（1）下载source。
八叉树（Octree）
weixin_34247155的博客
08-17 1206
　　八叉树（Octree）是一种用于描述三维空间的树状数据结构。想象一个立方体，我们最少可以切成多少个相同等分的小立方体？答案就是8个。再想象我们有一个房间，房间里某个角落藏着一枚金币，我们想很快的把金币找出来，怎么找最高效？我们可以把房间当成一个立方体，先切成八个小立方体，然后排除掉没有放任何东西的小立方体，再把有可能藏金币的小立方体继续切八等份….如此下去，平均在Log8(房间内的所有物品数)...
Ubuntu18.04+RTABMAP+Realsense D455实现视觉SLAM建图
qq_57061492的博客
03-03 1885
Ubuntu18.04下使用D455和RTAB-MAP实现建图
八叉树建立地图并实现路径规划导航
lovely_yoshino的博客
01-19 2万+
构建语义地图时，用的是 octomap_server和 semantic_slam: octomap_generator，不过还是整理下之前的学习笔记。 一、Octomap 安装并使用Octomap_Server 1.1 Apt 安装 Octomap 库 如果你不需要修改源码，可以直接安装编译好的 octomap 库，记得把 ROS 版本「kinetic」替换成你用的： sudo apt-get install ros-kinetic-octomap* 上面这一行命令等价于安装以下的 octomap 组件
ORB_SLAM2+realsense运行稠密建图
echo_gou的博客
03-09 1491
即：然后 chmod +x build.sh 和 chmod +x build_ros.sh 赋予执行权限然后编译： ./build.sh然后： build_ros.sh如果报错：在对应(xxx/Examples/ROS/ORB_SLAM2)CMakeLists中加入以下：
ORBSLAM2稠密建图实时转为八叉树地图
King23FMVP的博客
09-03 5016
1、感谢大佬的改进版ORB2dense， https://github.com/Zhu-Liyuan/ORB-SLAM2_RGBD_DENSE_MAP 2、git clone 后，在文件夹根目录下放入所使用的相机内外参数文件，我使用的是KinectV2。 3、修改ORB-SLAM2_RGBD_DENSE_MAP/Examples/ROS/ORB_SLAM21/src下，ros_rgb.cc文件内订阅的话题为自己的相机。Kinect2如下: message_filters::Subscrib
评论 1
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

蓝羽飞鸟

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