Ubuntu18.04安装D-LIOM

于 2022-07-21 16:30:31 发布
阅读量814 收藏 5
点赞数
文章标签： 自动驾驶 人工智能
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/qq_21751281/article/details/125914831
版权

***优先看官方文档***

***优先看官方文档***

***优先看官方文档***

首先，D-LIOM

GitHub - peterWon/D-LIOM: Tightly-coupled Direct LiDAR-Inertial Odometry and Mapping Based on Cartographer3D.

安装依赖

安装cartographer_ros
Compiling Cartographer ROS — Cartographer ROS documentation

ROS安装中sudo rosdep init和rosdep update失败的终极解决方法（最新版本）_何为其然的博客-CSDN博客_rosdep2

安装OpenCV3.3.1

【ROS】Ubuntu18.04安装OpenCV(3.3.1)_逍遥de鱼的博客-CSDN博客_ubuntu18.04安装opencv3.3.1

OpenCV: Installation in Linux

安装 opencv_contrib

GitHub - opencv/opencv_contrib at 3.3.1

安装GTSAM 4.0.2

GitHub - borglab/gtsam at 4.0.2

Build过程中的坑：

关于“Set CMake variable "OpenCV_DIR" in the root CMakeLists.txt of "cartographer".”

把跟D-LIOM在同一个src文件夹里的cartographer的CMakeLists里的这行改下路径，我的OpenCV是安装在默认路径的，所以改成

set(OpenCV_DIR "/usr/local/share/OpenCV")

conflicting declaration ‘typedef struct LZ4_stream_t LZ4_stream_t’解决_一抹烟霞的博客-CSDN博客

用户3
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Cartographer阅读梳理（七）Cartographer_3d中关于约束构建函数CompiteConstraint的一些补充理解以及与D-LIOM的不同
qq_46480449的博客
04-12 510
在阅读D-LIOM文章的时候看不太懂他们写的约束构建，返回来细致的看一下原版Carto关于这部分的代码，有时间的话可能也解读一下D-LIOM。关于Cartographer_3d后端约束建立的梳理和想法，某些变量可能与开源版本不一致，代码整体结构没有太大修改（源码版本Carto1.0Master）。比之前的水文可能会细致一点。简单理了一下Carto原版和D-LIOM的思路，用作学习笔记用，如有冒犯请告知，欢迎交流指点。
TLIO:紧学习惯性里程计
05-30
此代码是论文“TLIO：Tight Learned Inertial Odometry”的补充材料。 要使用此处的代码，需要用户生成自己的数据集并重新训练。 有关论文和视频材料的更多信息，请访问我们的。 安装 可以从pyproject.toml检索依赖关系树。 它是为诗歌工具而写的。 因此，所有依赖项都可以通过以下方式一次性安装在新的虚拟环境中： cd src poetry install 然后可以通过以下方式访问虚拟环境： poetry shell 或者，也指定了依赖项，可以通过requirements.txt安装。 先用python3解释器创建一个虚拟环境，然后运行 pip install -r requirements.txt 接下来的命令应该从此环境运行。 数据集 使用此代码运行需要 hdf5 格式的数据集。 根目录Dataset下的数据集树结构如下所示： Data
Tightly Coupled LiDAR Inertial Odometry and Mapping源码解析（二）
RedNation的博客
07-11 3435
这篇博客主要介绍LIO中联合优化涉及到的边缘化处理(Marginalization)的数学原理，包括什么是边缘化，多变量高斯分布数学性质，协方差矩阵和信息矩阵形式的边缘化，以及schur complement.
Tightly Coupled LiDAR Inertial Odometry and Mapping源码解析（一）
RedNation的博客
07-01 8326
LiDAR与IMU融合的SLAM算法一方面可以提高定位与建图的精度，另一方面也可以提高SLAM算法的鲁棒性，例如运动剧烈以及激光雷达测量退化等情况。ICRA 2019上，香港科技大学的刘明老师首次开源了一种LiDAR-IMU紧耦合的开源SLAM算法，本博客首先从原论文出发解读了该论文LiDAR-IMU紧耦合的核心思想，然后深度解析了其开源代码。
（LI论文）LIO-Mapping：Tightly Coupled 3D Lidar Inertial Odometry and Mapping
weixin_44035919的博客
06-08 536
自我运动估计是大多数移动机器人应用的基本要求。通过传感器融合，我们可以弥补独立传感器的不足，并提供更可靠的估计。本文介绍了一种紧耦合的雷达-惯性测量单元融合方法。通过联合最小化激光雷达和惯性测量单元测量的代价函数，激光雷达-惯性测量单元里程计(LIO)可以在长期实验后以可接受的漂移误差表现良好，即使在激光雷达测量可能退化的挑战性情况下也是如此。此外，为了获得更可靠的激光雷达位姿估计，提出了旋转约束约束算法(LIO-mapping)来进一步将激光雷达位姿与全局地图对齐。实验结果表明，该方法即使在快速运动或特征
ubuntu18.04安装net-tools
05-09
ubuntu18.04安装net-tools
ubuntu18.04安装caffe-gpu
12-08
Ubuntu 18.04 安装 Caffe-GPU 一、环境安装预览 在 Ubuntu 18.04 上安装 Caffe-GPU 需要在 NVIDIA Driver 515.43、CUDA 11.7 和 cuDNN 8.6.0 的环境中进行。在安装之前，需要先安装 NVIDIA Driver 和 CUDA，然后再...
ubuntu-18.04.6-server-arm64.iso
06-23
ubuntu-18.04.6-server-arm64.iso ubuntu arm64 aarch64位系统 ubuntu for arm64 ubuntu for aarch64
ubuntu18.04-desktop-rootfs.tar.bz2
08-26
本文件主要是构建好的带桌面的Ubuntu18.04根文件系统，里面相关的工具都已经安装，可直接烧录到开发板使用。分享给大家使用。
ubuntu-18.04.4-desktop-amd64.iso
04-16
ubuntu-18.04.4-desktop-amd64.iso
LIO论文阅读：Tightly Coupled 3D Lidar Inertial Odometry and Mapping
wykxwyc的博客
10-10 4693
论文地址与代码地址 论文：arxiv 代码：GitHub 摘要 Ego-motion 在移动机器人应用中很重要。传感器融合可以补偿单传感器缺陷。这篇文章主要介绍了一种LiDAR-IMU 融合的方法，通过联合优化IMU和LiDAR的测量数据，可以做到在LiDAR退化的情况下也没有明显漂移。 另外，本文提出了一种rotation-constrained refinement 算法（LIO-mappin...
LIOM: 一种新的激光惯性里程计和建图方法
3D视觉工坊
07-04 3613
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者：robot L | 来源：知乎https://zhuanlan.zhihu.com/p/137954753本文仅做学术分享，如...
LIO-SAM: Tightly-coupled Lidar Inertial Odometry via Smoothing and Mapping.md
qq_40268190的博客
09-12 631
  LIO-SAM是一个使用因子图融合激光，IMU和GPS信息的SLAM算法。论文依次介绍了IMU，激光关键帧，GPS和回环节点。 IMU约束   使用IMU预积分作为里程计的初值，并作为因子图的节点。 激光里程计   在位移和旋转超过阈值时，创建新的关键帧。使用滑动窗口，利用最近的n个关键帧构筑体素地图。在将点分为地面点和非地面点之后，使用类似于LOAM的方法来进行Scan-to-model的位姿估计。 GPS节点   使用GPS获得的绝对尺度来消除里程计的累计误差，但是GPS本身在复杂环境下可能会不可.
Tightly Coupled LiDAR Inertial Odometry and Mapping源码解析（三）
RedNation的博客
08-13 2264
详解VIO以及这篇LIO中非常关键的IMU预积分部分，首先详细介绍了流形上的IMU预积分算法中涉及到的旋转矩阵、群、流形、切空间、指数与对数映射等数学基础问题。
Tightly Coupled LiDAR Inertial Odometry and Mapping源码解析（五）
RedNation的博客
08-15 2728
IMU预积分收尾：IMU预积分测量模型、噪声传播和IMU参差计算
【LIO-SAM论文全文翻译】：LIO-SAM: Tightly-coupled Lidar Inertial Odometry via Smoothing and Mapping
JaydenQ的博客
08-25 4877
文章目录摘要一、引言二、相关工作三、基于SAM的雷达惯性里程计A.系统概述B. IMU预积分因子C. 雷达里程计因子D. GPS因子总结 摘要 我们提出一个框架用于通过SAM紧耦合雷达惯性里程计LIO-SAM，可实现高精度、实时的移动机器人轨迹估计和地图构建。LIO-SAM是基于因子图构建雷达惯性里程计，可以将大量的相对测量值、绝对测量值、回环等多种不同数据作为因子融入雷达惯性里程计系统中。通过imu预积分获得的运动估计可以用于点云的偏斜矫正和用于雷达里程计优化的初始值。获得的雷达里程计结果又可以反过来
（LI论文）LIO-SAM: Tightly-coupled Lidar Inertial Odometry via Smoothing and Mapping
weixin_44035919的博客
06-08 631
我们提出了一个通过平滑和建图实现紧耦合激光雷达惯性里程测量的框架LIO-SAM，该框架可实现高精度、实时的移动机器人轨迹估计和地图构建。LIO-SAM在因子图上制定激光雷达惯性里程计，允许从不同来源将大量相对和绝对测量（包括回路闭合）作为因子纳入系统。来自惯性测量单元（IMU）预积分的估计运动消除了点云的畸变，并产生了激光雷达里程计优化的初始猜测值。获得的激光雷达里程计用于估计IMU零偏。为了确保高性能的实时性，我们将旧的激光雷达扫描边缘化以优化姿态，而不是将激光雷达扫描与全局地图匹配。局部尺度而非全局尺度
Ubuntu 安装 C++ opencv 和opencv_contrib (主要记录出现的问题以及解决方法)
Fighting！的博客
05-21 2319
安装及验证步骤： 1、opencv以及opencv_contrib版本gitee快速下载 git clone -b 3.4.10 https://gitee.com/mirrors/opencv.git git clone -b 3.4.10 https://gitee.com/mirrors/opencv_contrib.git 可以将下载下来的文件夹放置到/home/目录下，可以重新命名opencv-3.4.10文件夹为opencv，同样可以命名opencv_contrib。 然后将opencv_co
【ROS】Ubuntu18.04安装OpenCV(3.3.1)
逍遥鱼的博客
02-25 4894
ubuntu18.04安装opencv3.3.1步骤
ubuntu18.04安装docker-compose
最新发布
02-28
在Ubuntu 18.04上安装Docker Compose可以按照以下步骤进行操作： 1. 首先，确保已经安装了Docker。如果没有安装Docker，请先安装Docker。可以使用以下命令安装Docker： ``` sudo apt-get update sudo apt-get install docker.io ``` 2. 安装Docker Compose的前提是需要安装Python和pip。如果没有安装Python和pip，请先安装它们。可以使用以下命令安装Python和pip： ``` sudo apt-get install python sudo apt-get install python-pip ``` 3. 安装Docker Compose。可以使用以下命令来安装最新版本的Docker Compose： ``` sudo pip install docker-compose ``` 4. 安装完成后，可以使用以下命令来验证Docker Compose是否成功安装： ``` docker-compose --version ``` 以上就是在Ubuntu 18.04上安装Docker Compose的步骤。
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
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