编译IC-GVINS：以惯导为核心的GNSS视觉INS组合导航系统，并评估数据集

已于 2023-12-06 21:29:05 修改
阅读量705 收藏 11
点赞数 9
文章标签： c++
于 2023-12-06 21:22:26 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/m0_73253387/article/details/134841471
版权

运行IC-GVINS在终端输入下列指令】
$  source ~/gvins_ws/devel/setup.bash

# Run IC-GVINS node
$  roslaunch ic_gvins ic_gvins.launch configfile:=/home/lyy/data/urban38/IC-GVINS/gvins.yaml

# Open another terminal to play the ROS bag
$  rosbag play /home/lyy/data/urban38/urban38.bag

使用给出的python文件评估

m0_2023627
关注
  • 9
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 12
    评论
ic_gvins编译及环境配置问题解决
qq_41861406的博客
04-09 543
RTK/VIO松组合，对惯导精度要求较高。
1.GVINS环境配置
qq_41861406的博客
10-12 713
绿色为：gvins视觉坐标系轨迹。蓝色为：enu坐标系轨迹。
IC-GVINS编译以及运行DEMO的一些踩坑日记
weixin_44002696的博客
04-18 1340
然后是glog，在glog上我遇到了一个大坑，让我明白了一个道理直接sudo apt-get install的都不可靠，要不报错还得自己编译，自己指定静态库和动态库。Ceres依赖glog，虽然官方写的Ceres需要2.0.0和2.1.0，但我用2.1.0时最后roslaunch时出现了这个issue里的。编译的过程需要注意观察glog版本和Ceres用的glog版本是否一致，以及是否有其他的报错信息。直接安装的最新版本，总是会莫名其妙的出现一些问题，所以建议直接源码编译，这是参考的文章。
GVINS：紧密耦合的GNSS-视觉-惯性融合，用于平稳一致的状态估计。-C/C++开发
05-27
紧密耦合的GNSS-Visual-Inertial系统，用于复杂环境中的局部平滑和全局一致的状态估计。GVINS GVINS：紧密耦合的GNSS-Visual-Inertial融合，用于平滑和一致的状态估计。 论文链接作者：曹少祖，陆秀媛和沉少杰SHEN GVINS是一个基于非线性优化的系统，将GNSS原始测量值与视觉和惯性信息紧密融合在一起，可进行实时和无漂移状态估计。 通过合并GNSS伪距和多普勒频移测量，GVINS能够在复杂环境中提供平稳且一致的6自由度全局定位。
实践IC-GVINS： 以惯导为核心的GNSS-Visual-INS组合导航系统
xiaojinger_123的博客
02-27 2911
实践IC-GVINS： 以惯导为核心的GNSS-Visual-INS组合导航系统
【GVINS初体验】
xiaowanjiun的博客
05-11 854
在Ubuntu18.04下跑通GVINSGVINS介绍环境配置1.C++11编译器2 ROS3 Eigen4 Ceres5 gnss_commBuild GVINS跑VINS啦 GVINS介绍 GVINS是一个基于非线性优化的系统，它将GNSS原始测量值与视觉和惯性信息紧密融合，用于实时无漂移状态估计。通过结合GNSS伪距和多普勒频移测量，GVINS能够在复杂环境中提供平滑一致的6自由度全球定位。系统框架和VIO部分改编自VINS Mono。我们的系统包含以下功能： ECEF框架下的全局六自由度估计； 多星
多源传感器GNSS INS 视觉 LiDAR 组合导航与SLAM开源项目总结
MSysのCSDN
12-22 7520
本文更改自 吴桐wutong 微信公众号文章。
GVINS 程序解读三、 GNSS-VIO联合初始化 （2）
努力努力努力
08-17 1311
数接上文：
GNSS算法相关开源代码（含多传感器融合相关项目）
dong20081991的博客
12-29 4129
GNSS算法相关开源代码（含多传感器融合相关项目）
GVINS学习笔记及心得
ryankaros的博客
06-12 2628
初始化（GNSS与VIO融合） GNSS初始化（coarse-to-fine） GNSS 初始化决定了state的预测结果 在线初始化可以从任意情况下恢复初始state anchor point 的局部和全局坐标已知（用于GNSS 全局系和VIO的局部系融合） 前提： a. VIO系统已经完成初始化，如重力向量，初始速度，初始IMU bias，尺度） b. 局部地图系上的光滑轨迹可用于GNSS-VI 的初始化 步骤： a. Coarse anchor point localization: 使用GNSS
GVINS：运行测试 ——简单、详细、正确、参考轨迹（RTK）和RINEX文件生成 + 城市环境数据+采集数据的设备搭建(运行不成功的解决方法) +时间同步讨论+ 微信群
努力努力努力
06-22 6245
一、简介 GVINS是一个基于非线性优化的系统，它将 GNSS 原始测量与视觉和惯性信息紧密融合，以实现实时和无漂移的状态估计。通过结合 GNSS 伪距和多普勒频移测量，GVINS 能够在复杂环境中提供平滑一致的 6-DoF 全局定位。系统框架和VIO部分改编自VINS-Mono。我们的系统包含以下功能： ECEF 框架中的全局 6-DoF 估计； 多星座支持（GPS、GLONASS、伽利略、北斗）； 在线本地ENU帧对齐； GNSS 不友好甚至 GNSS 拒绝区域的全球姿态恢复。 ..
GVINS —— 导航信息通过串口发送数据
努力努力努力
01-10 1189
一、“Serial_Port.cpp”程序 #include "Serial_Port.h" // 传输数字时，把数字转成字符！ void Serial_port_send_data(char w_buf[128]) { int tty_fd = -1 ; int rv = -1 ; struct termio
GVINS：基于GNSS视觉惯性紧耦合的平滑状态估计方法
点云PCL
05-27 2942
文章：GVINS: Tightly Coupled GNSS-Visual-Inertial Fusion for Smooth and Consistent State Estimati...
GVINS论文简明解读
weixin_37684239的博客
09-19 904
GVINS
C++ std::thread 管理线程生命周期：join 和 detach
m0_59680769的博客
07-16 982
方法用于同步主线程和子线程。也就是说，当主线程调用子线程的join方法时，主线程会被阻塞，直到子线程完成其执行。这意味着join方法确保主线程等待子线程结束，然后继续执行后续代码。t.join()方法则是让子线程在后台独立运行，与主线程分离。分离后的线程（也称为“游离线程”）不能再被join，它的资源会在该线程完成后自动释放。主线程会继续执行而不会等待该子线程。如果把std::this_thread::sleep_for(std::chrono::seconds(3));
JNI: 在Kotlin和C++之间通过JNI进行接口传递，两边参数定义映射
tyfwin的博客
07-15 1050
在Kotlin和C++之间通过JNI进行接口传递时，需要注意两边参数定义的映射关系。JNI（Java Native Interface）为Java（Kotlin也适用）与本地语言（如C/C++）之间的交互提供了桥梁。在Kotlin中定义的外部函数和C++中的实现需要通过JNI签名相互对应。
C++ std::partial_sort_copy 用法
07-16 296
部分排序，即选出前n个最大值或者最小值，并将其保存到另外一个容器中。
C++的内存管理
最新发布
2301_78694309的博客
07-19 572
C++的内存管理
C语言中的指针函数和函数指针
letterljhx的博客
07-18 296
C语言中的指针函数和函数指针
ic-gvins代码解读
11-05
ic-gvins是一个用于图像分割的深度学习模型，其主要目标是将输入的图像分割成不同的物体或区域。 该模型首先通过卷积神经网络（CNN）对输入图像进行特征提取。这些特征可以捕捉到图像的不同形状、纹理和颜色等信息。通过多个卷积层和池化层的堆叠，模型可以逐渐提取出更加高级别的特征。 接下来，ic-gvins利用全连接层和残差连接来对特征进行分割。全连接层将把之前得到的特征转换为与需要分割的物体或区域相匹配的概率图。残差连接则可以帮助模型更好地捕捉图像的细节和边缘信息。 最后，ic-gvins使用一种叫做图像分割分支的技术来生成最终的分割结果。图像分割分支通过组合特征图和概率图，使用卷积和转置卷积操作，以像素级别的精度生成分割结果。这些操作将概率图中的每个像素映射到原始图像中的位置，并根据物体的概率选择是否将该像素标记为该物体。 总之，ic-gvins是一种基于深度学习的图像分割模型，通过特征提取、全连接层和残差连接等操作，可以将输入图像分割成不同的物体或区域，并生成像素级别的分割结果。这种模型在计算机视觉领域的目标检测、图像编辑和自动驾驶等任务中有着广泛的应用前景。

“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 12
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