2D激光SLAM-基于PL-ICP的激光雷达里程计

最新推荐文章于 2024-05-01 22:56:07 发布
最新推荐文章于 2024-05-01 22:56:07 发布
阅读量1k 收藏 6
点赞数 2
分类专栏： 室内机器人专栏
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_41821678/article/details/119752878
版权

原文链接：从零开始搭二维激光SLAM — 基于PL-ICP的激光雷达里程计

如何跑通自己的雷达数据？需要调整哪些参数？

1、录制自己的数据包

#终端1
roscore
#终端2
rosbag paly --clock XXX.bag
#终端3 (/scan /odom是根据自己雷达的topic名修改的)
rosbag record /scan /odom

2、修改源码plicp_odometry.cc
在这里插入图片描述
修改成自己雷达数据的topic名

3、修改plicp_odometry.launch
在这里插入图片描述
bag修改成自己的bag路径
tf_ros的args根据自己雷达和机器人的位置修改。可以查找urdf文件。后面的base_link和laser也要修改成自己的话题名。

4、修改成自己的topic名
在这里插入图片描述

酸梅果茶
关注
  • 2
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
直接激光雷达里程计：基于稠密点云的快速定位
weixin_44887311的博客
10-07 354
四种不同数据回收方案的处理时间和CPU使用情况的箱形图，范围从无数据结构重用到部分重用和完全重用。指的是两个点云中的两个点的距离差。（1）提出了一个定制的“速度优先”的处理流程，这个流程可以实时精确的估计位姿，对预处理的需求比较小，并且IMU是可选项。（3）定制迭代点云解算器NanoGICP，用于轻型点云扫描点的匹配，具有跨对象数据共享和数据重用的功能。（2）提出了一个新的关键帧系统，可以根据环境信号自适应的选择关键帧，并且可以通过凸优化快速的生成子图。与帧间匹配类似，这里的输出即为机器人最终的估计位姿。
2d Laser 和 Odomter 内外参数标定工具原理及使用方法
知行合一
03-15 1万+
前言 两轮差速轮式机器人可以基于码盘数据和两轮间距以及车轮半径进行航迹推演，得到机器人的轨迹。激光雷达也可以利用 icp 等算法计算出两时刻间机器人的相对运动量。因此，可以利用两者数据进行融合定位，本博客根据 Censi 2013 年发表在 TRO 上的论文，对如何标定里程计内参数 ( 轮子半径，两轮间距)，以及外参数（激光和里程计之间的坐标关系）进行理论推导，并将对应标定代码整理在了我们的网站上...
【SLAM】基于快速匹配算法实现2D激光雷达数据SLAM机器人路径规划附Matlab代码
最新发布
m0_60703264的博客
05-01 972
本文介绍了一种基于快速匹配算法实现2D激光雷达数据SLAM机器人路径规划的方法。该方法利用激光雷达数据构建环境地图，并使用快速匹配算法进行定位和建图。同时，本文还介绍了一种基于A*算法的路径规划方法，该方法可以根据环境地图和目标位置生成最优路径。最后，本文通过仿真实验验证了该方法的有效性。
激光雷达里程计的最新进展和挑战
点云PCL
01-12 1494
这些方法包括完全依赖激光雷达的方法、将激光雷达与 IMU 相结合的方法、涉及多个激光雷达的策略以及将激光雷达与其他传感器模式相融合的方法。虽然有大量的激光雷达里程计文献，但遗憾的是，没有放之四海而皆准的解决方案。多个激光雷达可提供更广泛的扫描覆盖范围，减少额外传感器的干扰，整合多个激光雷达的不同扫描帧模式可提高扫描记录的准确性，从而超越对单一激光雷达非重复扫描模式的依赖。激光雷达可根据其不同的成像结构和测量原理进行分类，激光雷达的成像机制可分为三大类：机械激光雷达、扫描固态激光雷达和非扫描结构的激光雷达。
自动驾驶中高效的激光雷达里程计
点云PCL
04-29 1579
标题：Efficient LiDAR Odometry for AutonomousDriving作者：Xin Zheng, Jianke Zhu, Senior Member, IEE...
从零开始构建2d激光slam-2.激光里程计
qq_30554779的博客
09-07 469
scan_match模块
ros移动机器人，激光雷达里程计rf2o_laser_odometry的使用与分析
qq_41906592的博客
04-10 7568
目录 1.问题分析 2.激光雷达里程计 2.1 代码下载 2.2 使用方法 (1) ERRO：“base_link” passed to lookupTransform argument source_frame does not exist. (2)"Waiting for laser_scans...." (3)无法发布odom->base_footprint的tf信息 2.3 导航和建图 1.问题分析 由于编码器里程计在使用的时候误差较大，运行时间越长，累计误差越大，尤...
Delta-2A 2D激光雷达资料
09-07
Delta-2A 2D激光雷达资料
SLAM-使用Matlab基于二维激光雷达实现的SLAM算法-优质项目实战.zip
03-14
SLAM_使用Matlab基于二维激光雷达实现的SLAM算法_优质项目实战
RTAB-MAP开源视觉-激光-里程计SLAM代码
04-22
RTAB-MAP压缩包里有以下个开源代码： ...RTAB-MAP，2009年开始设计，2013年首次开源，2016年完全基于图优化，2017年扩展了很多新应用，是RGB-D SLAM中比较经典的方案。目前被发展成跨平台独立的C++库和一个ROS功能包。
基于激光雷达SLAM技术的2D/3D研究与未来方向
09-17
基于激光雷达的SLAM技术发展及未来研究方向，适合初学者快速了解激光雷达学习的研究方向；多种激光雷达导航算法研究，比较各类激光雷达导航算法的使用场景和优缺点。需要用到的工具有Ubuntu（ros版本可以根据自己...
激光slam A-LOAM
09-29
LOAM主要包含两个模块，一个是Lidar Odometry，即使用激光雷达做里程计计算两次扫描之间的位姿变换；另一个是Lidar Mapping，利用多次扫描的结果构建地图，细化位姿轨迹。由于Mapping部分计算量较大，所以计算频率较...
3D激光SLAM：LeGO-LOAM论文解读---激光雷达里程计与建图
月照银海似蛟龙的博客
07-30 1333
局部地图建立就是通过根据当前帧的位置，提取与当前帧位置小于100m的关键帧拼接（根据每帧的位姿拼接）在一起作为局部地图。（2）第二步通过当前帧角点和上一帧匹配得角点估计出xyyaw，并利用第一步估计得zrollpitch。LeGO-LOAM是通过关键帧得概念进行局部地图管理，保存了激光雷达一些帧，和该帧的位姿。（1）第一步通过当前帧地面点和上一帧匹配得地面点估计出zrollpitch。首先做地面点得优化，再做角点得优化。当前帧和地图进行低频率得配准，得到最优得当前帧位姿变换。...
激光SLAM学习笔记：ICP、PL-ICP、NICP和IMLS-ICP的理解
Evanismlii的博客
12-29 2413
激光SLAM学习笔记：ICP、PL-ICP、NICP和IMLS-ICP的理解 点云匹配算法是为了匹配两帧点云数据，从而得到传感器（激光雷达或摄像头）前后的位姿差，即里程数据 提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录激光SLAM学习笔记：ICP、PL-ICP、NICP和IMLS-ICP的理解前言一、ICP是什么？1.数学描述：2.明显缺陷二、PL-ICP1.基本思想2.方法3.主要缺点三、NICP1.基本思想2.方法![在这里插入图片描述](https://img-blog
激光雷达定位-论文心得
DavidHan008
03-31 1万+
激光雷达技术的起源激光雷达技术于20世纪90年代开始应用于AGV导航系统。早期的激光导航系统需要在AGV行驶的路径周围安装精确的反射板。 机器人对环境信息的感知主要依赖于传感器系统，单传感器获取的信息难以确保准确性和可靠性。多传感器融合与补偿技术可以充分利用数据冗余性和互补性，保证环境感知的准确性、快速性和稳定性，进而弥补了单传感器的不足。多传感器信息融合与补偿的冗余观测数据 可以提高系统的可靠性
基于点线特征的激光雷达+单目视觉里程计
点云PCL
02-17 809
标题：Lidar-Monocular Visual Odometry using Point and Line Features作者：Shi-Sheng Huang1, Ze-Yu Ma1...
实习：里程计运动模型及标定
一个找工作的咸鱼
08-05 3576
  一般是两轮差速模型 使用最小二撑法 （字太丑啦！！！   特征提取主要分为两个步骤：区域分割和特征提取。区域分割阶段主要完成特征模式的分类及识别确定，即确定特征属于哪类模式，如直线，圆弧等，并确定属于该特征模式的区域及区域内的激光数据点集。特征提取阶段主要完成各类特征模式参数的确定以及特征点的提取。 详细介绍及代码 https://blog.csdn.net/renshe...
激光雷达学习笔记（四）定位
热门推荐
机器视觉
02-28 1万+
原创博客，转载请注明出处：http://blog.csdn.net/renshengrumenglibing?viewmode=contents 机器人定位的目的是为了知道“自己在什么地方”，目前，机器人定位的方法可以分为非自主定位与自 主定位两大类。所谓非自主定位是在定位的过程中机器人需要借助机器人本身以外的装置如：全球定位 系统(GPS)、全局视觉系统等进行定位；自主定位是机器人仅依靠机
关于激光雷达和视觉融合的里程计研究总结
Fs-Ryan的博客
03-01 6874
根据设计的里程计系统中雷达和相机所起作用的比重不同，可大致分为3类：一类是视觉辅助激光的，一类是激光辅助视觉的，另一类是激光和视觉里程计相互融合相互矫正的。下面将具体解释一下这三类融合方案。 视觉辅助激光。前期通过在查找国内外文献发现，国内的研究基本都是这种方式，一般是利用视觉信息来提高激光SLAM系统的闭环检测的准确性，或者是辅助重定位，或者是在位姿估计阶段构架激光特征的变换误差和视觉重投影误...
2d激光slam数据集介绍
05-08
2D激光SLAM数据集是指用2D激光传感器收集的地图和其对应的机器人轨迹数据集。这个数据集可以用来训练机器人进行建图和定位任务。许多机器人应用都需要地图和定位信息，而2D激光SLAM是实现这个目标的重要技术之一。 2D激光SLAM数据集包括两部分，一部分是机器人在环境中行走时使用激光传感器收集到的激光点云数据，另一部分是机器人的位姿信息，如机器人在环境中的坐标轴的位置和朝向。 2D激光SLAM数据集的特点在于其数据的高精度和高密度，因为激光传感器能够收集到周围环境的精确信息，而轨迹信息是由机器人的自我定位算法生成的，因此具有较高的稳定性和准确性。这些数据集可以用来研究机器人环境感知、路径规划和定位等问题，如机器人在复杂环境中的定位、机器人在不同环境中的建图和路径规划等。 目前，国内外已有许多2D激光SLAM数据库可供使用，如KITTI、TUM-VI、ETH-Zurich等数据库。这些数据库都可以用于机器人定位和建图的研究，或者用于开发机器人相关应用程序的测试数据集。 总之，2D激光SLAM数据集是机器人定位和建图等研究中的重要数据资源，对机器人技术的发展和应用有着重要的推动作用。

“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
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