LVI-SAM 在香港城市数据集UrbanNav的效果

最新推荐文章于 2024-04-26 09:46:09 发布
最新推荐文章于 2024-04-26 09:46:09 发布
阅读量3.7k 收藏 34
点赞数 7
文章标签： 自动驾驶 人工智能 机器学习
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/m0_47096428/article/details/118523178
版权

数据集链接: GitHub - weisongwen/UrbanNavDataset: UrbanNav: an Open-Sourcing Localization Data Collected in Asian Urban Canyons, Including Tokyo and Hong Kong

我针对UrbanNav中2019bag的配置文件链接:

OdomConfig/lvi_sam/UrbanNavDataset at master · BayRanger/OdomConfig · GitHub

实验步骤:

1. 编译lvi-sam

2. 调整config/ 中相机内参,雷达,以及外参参数

3. rosbag run起来

4. 结果

从直观感受,lvi和lio-sam成图效果没有明显区别,但是远好于vins-mono(论传感器的优越性),实际上,vins-mono在这一段数据会出现错误的回环检测,从而造成定位失效

最低0.47元/天 解锁文章
海滩油炸
关注
  • 7
    点赞
  • 踩
  • 34
    收藏
    觉得还不错? 一键收藏
  • 34
    评论
一、GraphGNSSLib 的详细安装和运行步骤 + 跑自己的数据时注意事项 + RTK精度达不到作者论文中的1.7米的解决方法 + ENU坐标系和ECEF坐标系下的定位误差不一致问题
努力努力努力
01-13 2069
第一步：把下载的软件放在指定的文件中 如下图所是，我放在了 VIns_Code/RTK_GraphGNSSLib/src 文件夹里面。 程序的下载地址： https://github.com/weisongwen/GraphGNSSLib 注意：我是先把程序下载完，解压后放在文件夹里面，也可以用git下载（这种方式不建议） 第二步：编译程序 cd VIns_Code/RTK_GraphGNSSLib catkin_make // 这里会出现错误如下： sud...
【SLAM】LVI-SAM解析——综述
iwanderu的博客
07-27 6331
LVI-SAM可以认为是LIO-SAM和VINS-MONO的合体，在此基础上的修改不大。githubpaperLVI-SAM这个注释版代码中一些关于坐标系的注释我认为是有错误的，大家擦亮眼睛。和我也分别写过比较详细的代码解析，详情见链接。.........
UrbanNavDataset：UrbanNav：在包括东京和香港在内的亚洲城市峡谷中收集的开源本地化数据
02-04
UrbanNavDataset：UrbanNav：在包括东京和香港在内的亚洲城市峡谷中收集的开源本地化数据
探索城市导航新纪元： UrbanNavDataset
最新发布
gitblog_00074的博客
04-26 411
探索城市导航新纪元： UrbanNavDataset 项目地址:https://gitcode.com/weisongwen/UrbanNavDataset UrbanNavDataset 是一个开源的、大规模的城市级自动驾驶导航数据集，旨在推动自动驾驶领域的研究与开发。它集合了丰富的传感器数据，包括高精度GPS、IMU、激光雷达（LiDAR）和多视图相机图像，为开发者提供了一个真实世界的模拟环境...
Urbannav数据集/novatel_data/inspvax订阅
hellopopyee的博客
11-30 2910
使用Urbannav数据集做多原融合定位评估精度，需要使用 /novatel_data/inspvax作为真值，但无法直接订阅该话题 rotopic echo /novatel_data/inspvax 显示无法订阅，该话题未build 解决思路如下： （1）首先根据博客：如何将ROS中的MSG转化格式重新发布的代码，下载这个git： imu_viz_2d 创建ros工作空间hx_ws（你可以随便起个名字），把以上git安装在hx_ws内 （2）接下来发现catkin_make报错：无法找到#includ
亲自部署LIO-SAM、LVI-SAM的全过程经历01——跑通
m0_56323217的博客
04-10 1997
在自己小车上部署LIO-SAM和LVI-SAM，简单记录一下经历，经历了十多天的终于将LIO-SAM和LVI-SAM两个算法的实测工作基本完成，期间遇到了一些问题，尤其是自己的设备上，遇到的运行问题网上也很少见，也很少有从算法的，因此自己的经历在此记录，也是帮助自己进行梳理，有不正确的地方还请大佬们批评指正，进行讨论交流！！
LVI-SAM论文！！！！！！！！！
04-13
LVI-SAM 还能够在一个子系统失效的情况下继续工作，从而提高了其在纹理缺失和特征缺失环境中的鲁棒性。 LVI-SAM 的关键技术包括： 1. 紧耦合的视觉惯性系统和激光雷达惯性系统，实现了高精度的状态估计和环境图...
LVI-SAM-master.zip
03-16
视觉，IMU，激光雷达融合
loam_velodyne_kitti_ros:与KITTI数据集一起使用的LOAM算法
04-12
loam_velodyne_kitti_ros 该软件包是LOAM算法的ROS Indigo版本的修改副本，可与KITTI数据集一起使用： 在以下方面进行了主要更改： scanRegistration.cpp重命名为scanRegistrationKittiROS.cpp 通过读取.bin文件并将...
3D-Sam-Coupe-3d.zip
09-17
3D-Sam-Coupe-3d.zip,sam coupé是80年代末基于z80的英国微型计算机，其矢量3d引擎可能适用于其他类似的微型计算机，如spectrum和amstra cpc。,3D建模使用专门的软件来创建物理对象的数字模型。它是3D计算机图形的一...
LIO-SAM：配置环境、安装测试、适配自己采集数据集
热门推荐
有待成长的小学生
09-06 4万+
Ubuntu 16.04 安装配置LIO-SAM，并适配自己采集的数据集
自动驾驶数据集汇总
如果想成为中心，那么就到中心去吧。
04-18 771
摘要：此存储库是UrbanNav数据集的使用页面。在城市峡谷中，由于高楼林立，GNSS的精度受到严重挑战，导致大量的非视距(NLOS)接收和多路径效应。UrbanNav数据集希望为社区提供一个具有挑战性的数据来源，以进一步加快在具有挑战性的城市峡谷中进行准确和稳健定位的研究。数据集包括来自GNSS接收机、激光雷达、相机和IMU的传感器测量数据，以及来自SPAN-CPT系统的准确地面事实。简而言之，UrbanNav数据集特别关注改善GNSS在城市峡谷中的定位，但也提供来自激光雷达、相机和IMU的传感器测量。
LVI-SAM：配置环境、安装测试、适配自己采集数据集
有待成长的小学生
07-26 1万+
LVI-SAM调试详细记录，包括环境配置、源码编译安装、运行示例程序及如何适配自己传感器数据
SLAM数据集整理
Turn life into a dream, and then turn dreams into reality
10-09 2663
The Rawseeds Project: Indoor and outdoor datasets with GPS, odometry, stereo, omnicam and laser measurements for visual, laser-based, omnidirectional, sonar and multi-sensor SLAM evaluation. CMU Visual Localization Data Set: Dataset collected using the Na
LiLi-OM: 走向高性能固态激光雷达惯性里程计和建图系统
qq_29462849的博客
02-03 1330
点击上方“计算机视觉工坊”，选择“星标”干货第一时间送达编辑丨当SLAM遇见小王同学声明: 本文只是个人学习记录，侵权可删。论文版权与著作权等全归原作者所有，小王自觉遵守《中华人民共和国著...
多传感器融合方案对比和分析
weixin_42344626的博客
04-20 1112
多传感器融合方案对比和分析
Gartner发布『2022年技术成熟度曲线』；『强化学习导论』电子书；读博申请超全攻略；快速构建推荐系统工具包；前沿论文 | ShowMeAI资讯日报
ShowMeAI研究中心
08-23 9647
ShowMeAI资讯日报 08-23 期，Gartner发布『2022年技术成熟度曲线』、Goodname 函数/软件命名辅助工具、用边框标注图像的Jupyter widget、RecTools 快速构建推荐系统、FrOoDo 分布外(OOD)检测框架、读博申请超全攻略、强化学习导论(第二版)·免费书籍、开源城市定位算法基准测试多感官数据集、游戏开发资源大列表、前沿论文…点击获取全部资讯
lvi-sam运行自己的数据集点云抖动
04-02
对于点云抖动的问题，以下是一些可能的解决方案： 1. 数据预处理：使用一些预处理技术，如滤波、降采样和平滑等，可以去除点云数据中的噪声和抖动。这些技术可以通过lvi-sam中的滤波器或其他库（如PCL）来实现。 2. 参数调整：lvi-sam中有许多参数可以调整，如图像匹配算法的参数、优化器的参数等。尝试调整这些参数，以找到更好的参数组合，可以减少点云抖动的问题。 3. 传感器校准：传感器误差可能会导致点云数据的抖动。通过对传感器进行校准，可以减少这种误差，从而减少点云抖动的问题。 4. 点云配准：对于多个点云数据，可以使用点云配准技术将它们对齐，从而减少抖动。lvi-sam中提供了一些点云配准算法，如ICP，可以用来实现这个过程。 5. 增加数据量：在训练和测试lvi-sam模型时，增加数据量可以帮助模型更好地学习点云的特征，从而减少抖动的问题。可以尝试收集更多的点云数据，并将其用于训练和测试lvi-sam模型。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 34
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