LidarSLAM
aloam--legoloam---
CHEGCHE
甩起膀子加油干!
展开
-
loam论文与Aloam代码学习归纳(三)--scanRegistration节点
一.作用数据预处理,特征点提取 ,用以接下来的Odometry和mapping的点云配准。所以这个节点本身就是一个计算的过程:根据曲率C划分不同类型的特征点(边缘点或是平面点或是非特征点)。根据VLP16的激光扫描模型, 对单帧点云(paper中称为一个Sweep)进行分线束(分为16束), 每束称为一个Scan, 并记录每个点所属线束和每个点在此帧电云内的相对扫描时间(相对于本帧第一个点)。针对单个Scan提取特征点, 而相对时间会在laserOdometry中用于运动补偿.所有Scan的特征点,拼到原创 2020-08-20 15:21:23 · 1300 阅读 · 0 评论 -
loam论文与Aloam代码学习归纳(二)--整体介绍及各部分功能
一.Aloam简介秦通对LOAM的一个简化版本,没有IMU的信息,是入手激光SLAM非常简单的程序,初学者必备。其将原版LOAM代码中手写的求解旋转矩阵,欧拉角,推到LM及雅克比矩阵,改成了运用Eigen库和ceres库进行求解优化,极大的简化了代码的复杂性,非常适合初学者进行学习。Git链接:https://github.com/HKUST-Aerial-Robotics/A-LOAM二.loam与Aloam对比1.LOAM:LOAM使用了作者定义的特征点提取和匹配方法,主要去边角点和平面点原创 2020-08-19 19:27:54 · 3599 阅读 · 1 评论 -
loam论文与Aloam代码学习归纳(一)--论文
1.前言本人渣硕研一一枚,由于疫情在家闲置半年,本来就很薄弱的基础更加雪上加霜!还好有博客,知乎各位大佬的文章,让我有所学习,现在对loam论文和Aloam代码进行一些归纳,为什么不谈解析,因为本人的能力谈不上“解析”二字,就想进行一下阶段总结,方便日后回顾,也更希望大佬们多多帮助,看见有什么不对的地方,及时给小弟指出来,也更愿意相互探讨,向各位大佬前辈请教!在整个阶段参考了很多前辈的文章解析,已经数不过来了,每一部分主要参考的我会列出引用,可能还会有所遗漏,如果涉嫌引用没有列出还请见谅,您的知识很有用原创 2020-08-19 15:18:32 · 2717 阅读 · 1 评论