项目实训 - 智能车系统 - 第一周记录

项目实训 - 智能车系统 - 第一周记录

日期：2.21 – 2.27

项目进度

本周是新学期的第一周，这周的主要任务是项目实训选题答辩。我们小组的项目名称是智能车系统。该项目承接上学期软件创新与实践课程的lvi-sam项目，并在此基础上进行完善，预期做出一个完整的，可以进行自主导航、3D建图、数据包重建功能的综合智能车。

在本周，我们完成了项目的实施计划的指定、分工、硬件设备的准备等初步工作。

我们将项目分成两个阶段：

• 第一阶段【1-6周】：将LIO-SAM移植出ROS平台，并且，小车的传感器能配合LIO-SAM算法使用。设计3维重建数据包。
• 第二阶段【7-15周】：将LVI-SAM移植出ROS平台，并能够在小车正常使用，同时，使用设计的3维重建数据包。

第一阶段的工作主要分为3个部分：lio-sam从ros平台移植到linux平台；基于车道线识别和3D地图算法的自主导航；自主实现3D点云图重建平台（类似ros中的rviz）。

我负责lio-sam从ros平台移植到linux平台部分。

技术难点

lvi-sam简介

项目的技术主线是围绕3D-SLAM的一个项目lvi-sam来展开。lvi-sam是SLAM中一个新提出的方案框架。Lvi-sam是一个通过平滑和建图实现激光-视觉-惯性里程计的紧耦合框架，实现了高精度和鲁棒性的实时状态估计和地图构建，并且由两个子系统构成：视觉惯性系统VIS和激光雷达惯性系统LIS，两个子系统紧耦合，既可以互相利用数据进行优化，当一个系统崩溃时，另一个也可以独立工作。

缺点分析

lvi-sam的优点明显，但是也存在一些局限性：

1）该项目基于ros系统，项目中的通信机制完全使用了ros的话题机制，只能在ros系统中运行。

2）该项目讲雷达激光与视觉相融合，视觉部分可以较好的解决雷达SLAM存在的无法解决在无结构环境中建图的缺点，但是视觉部分对图像的相关处理极大地提高了对硬件算力的要求，使得目前市面上主流的智能车工控板无法承受该项目，或者运行效果无法达到预期效果。

同时，对接方要求我们实现实时地图建立以及地图重建。

对应工作

针对上述问题，我们的工作主要分为如下几个方面：

1）自主设计一套通信机制，利用我们现有的小车平台上的相关传感参数，将原始的lvi-sam项目从ros环境移植到普通的linux环境中，实现实时建图功能。

2）针对视觉部分开销大的问题，我们设想了几个方面来优化解决该问题：

①利用平台上的cuda核心，使用高性能计算的相关算法来优化视觉部分的算法。

②调整算法中的相关参数，在不影响使用的前提下，牺牲一些相关数据的精度和频率，从而减少对性能的需求。

2）自主设计一套机制来压缩存储数据包，并且自主研发一个3D建图可视化工具，实现实时建图可视化和利用数据包进行地图重建。

bug记录

暂无

其他

项目所需的智能车目前还无法获取，所以我们的工作现在其他的linux服务器上进行。