手撕LOAM源代码(一)--scanRegistration.cpp

最新推荐文章于 2024-10-04 22:28:22 发布
最新推荐文章于 2024-10-04 22:28:22 发布
阅读量893 收藏 13
点赞数 28
分类专栏： 3D视觉从入门到精通 文章标签： 计算机视觉 3d
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/weixin_46788581/article/details/137232927
版权
本文详细解读了LOAM（Lidar Odometry and Mapping）算法中scanRegistration.cpp源代码，包括点云预处理、IMU数据处理、速度与位移积分以及特征提取等步骤。通过对坐标变换的深入解析，帮助读者理解LOAM的核心工作流程。文章强调了坐标变换的重要性和IMU数据在去除点云畸变中的作用，同时提供了相关课程推荐和学习资源。
摘要由CSDN通过智能技术生成

作者：K.Fire  | 来源：3DCV

添加微信：dddvisiona，备注：SLAM，拉你入群。文末附行业细分群。

写在前面

本系列文章将对LOAM源代码进行讲解，在讲解过程中，涉及到论文中提到的部分，会结合论文以及我自己的理解进行解读，尤其是对于其中坐标变换的部分，将会进行详细的讲解。

本来是懒得写的，一个是怕自己以后忘了，另外是我在学习过程中，其实没有感觉哪一个博主能讲解的通篇都能让我很明白，特别是坐标变换部分的代码，所以想着自己学完之后，按照自己的理解，也写一个LOAM解读，希望能对后续学习LOAM的同学们有所帮助。

整体框架

LOAM多牛逼就不用多说了，直接开始。

推荐学习3D视觉工坊推出的课程

了解本专栏 订阅专栏 解锁全文 超级会员免费看
手撕LOAM源代码laserOdometry.cpp特征检测与匹配
3D视觉工坊
11-01 186
作者：K.Fire | 来源：3DCV写在前面本系列文章将对LOAM源代码进行讲解，在讲解过程中，涉及到论文中提到的部分，会结合论文以及我自己的理解进行解读，尤其是对于其中坐标变换的部分，将会进行详细的讲解。本来是懒得写的，一个是怕自己以后忘了，另外是我在学习过程中，其实没有感觉哪一个博主能讲解的通篇都能让我很明白，特别是坐标变换部分的代码，所以想着自己学完之后，按照自己的理解，也写一个LOAM...
LOAM SLAM代码解析之一：scanRegistration.cpp 点云及IMU数据处理节点
liuyanpeng12333的博客
09-17 1万+
前言        LOAM的源码有好几个版本，对应于不同的硬件设备。由于大多数三维激光使用velodyne，所以我主要看的是Velodyne16线程激光的这个版本。并且KITTI里也有Velodyne16线程的激光数据，可以用来对程序进行测试。代码的结构和论文讲的一致，主要分为四个.cpp 文件分别对应下图中的四个部分。今天先看一下Point Cloud Regisration这部分的源码，也...
loam论文与Aloam代码学习归纳（三）--scanRegistration节点
qq_41586768的博客
08-20 1395
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
LOAM scanRegistration
zc的博客
01-16 221
LOAM scanRegistration.cpp代码解读
LOAM源码解析——scanRegistration
try_again_later的博客
04-12 1548
入手激光雷达SLAM，从最经典的LOAM源码开始，之后会对秦通在此基础上改进的A-LOAM源码进行观看，应该就会很简单了，第三步是把LEGO-LOAM的源码进行解读。之前对LOAM的论文进行了详细解读。 LOAM的源码主要分为scanRegistration提取特征点、laserOdometry 10HZ估计位姿、laserMapping 1HZ构建三维地图、transforMaintenance...
Loam算法详解（配合开源代码aloam）
晓晨的博客
08-07 1万+
参考论文：LOAM: Lidar Odometry and Mapping in Real-time 代码：A-LOAM Ubuntu 18.04 + ROS Melodic + eigen 3.3.4 + PCL 1.8.1 + ceres 2.0 + A-LOAM 配置 LOAM算法是激光slam中一个经典的开源框架，结合qin tong 博士的开源代码a-loam，对其原理及代码实现简要介绍如下： LOAM算法的总体框架如下图所示： 除了左侧的硬件采集数据之外，LOAM算法本身主要包括图中标记的-
A-LOAM阅读笔记（5）：src文件：scanRegistration.cpp
m0_50046535的博客
04-12 1294
这个文件主要分为3个函数， 一个点云滤除函数，主要是对距离过近的点进行滤除 第二个是特征提取函数，分别提取了极大边线点，次极大边线点，极小平面点，次极小平面点四个特征 第三个就是main函数了。 参考一些前人的工作，自己做了总结，进行学习。 #include <cmath> #include <vector> #include <string> #include "aloam_velodyne/common.h" #include "aloam_velody.
M-LOAM-mloam-gf.zip
09-20
《M-LOAM：一种改进的激光里程计算法详解》 在机器人导航和自动驾驶领域，定位与地图构建（SLAM，Simultaneous Localization And Mapping）是核心技术之一。其中，激光里程计（LOAM，Lidar Odometry and Mapping）...
LOAM_velodyne学习（一）
热门推荐
沧海一升的博客
06-17 3万+
在研读了论文及开源代码后，对LOAM的一些理解做一个整理。 文章：Low-drift and real-time lidar odometry and mapping 开源代码：https://github.com/daobilige-su/loam_velodyne 系统概述 LOAM的整体思想就是将复杂的SLAM问题分为：1. 高频的运动估计； 2. 低频的环境建图。 Lidar...
A-LOAM源码解析——scanRegistration.cpp
weixin_48404151的博客
08-01 630
A-LOAM主要包括四个主要的源程序，刚看完scanRegistration，顺便分享总结一下，剩余三个以后看完会及时更新，本文件主要是通过曲率来对角点以及平面点进行提取。 1.首先是对后面用到的一些变量进行定义，主要包括，激光雷达扫描周期，初始化标志，雷达线数，以及6类点等等。 //定义激光雷达的扫描周期，频率为10Hz，周期为0.1s const double scanPeriod = 0.1; const int systemDelay = 0; //计数过了多少帧 int systemInit
loam算法_loam代码解析1
weixin_39994627的博客
12-04 678
作为一名激光slam菜鸟，涉及到的首个开源算法就是loam。之前阅读过代码，时间久了容易记不清，现在记录下来以备随时查阅，也可为入门级菜鸟提供些许参考。本人在阅读源码过程中参考了知乎众多loam解析文章，在此表示感谢。跟知乎上loam相关解析文章一样，本文按照loam代码文件分四部分介绍，各部分解析以求尽量详细，如有理解错误，欢迎指正。本章首先介绍代码的第一部分scanRegistration。从...
LOAM_velodyne 1.特征点的提取 点云/IMU数据处理
xiaoma_bk的博客
11-05 1万+
Table of Contents 一、注解： 二、代码流程： 2.1 主函数：main 2.2MultiScanRegistration类的构造 2.3类对象multiScan调用setup函数 2.3.1 参数配置 RegistrationParams 2.3.2 子类ScanRegistration调用其函数setupROS 2.3.3 激光参数确定 2.3.IMU回调...
ade20k 街景图像【数据集】及其【论文出处】ADE20K数据集 超过25000张图像的语义分割数据集
阿利同学的博客
10-04 425
ade20k 街景图像【数据集】及其【论文出处】ADE20K数据集是一个包含超过25000张图像的语义分割数据集，这些图像被密集注释，覆盖室内和室外场景。 它由MIT发布，包含100个事物类别和50个物质类别， 用于训练和验证的图像数量分别为20210和2000。 ADE20K数据集的特点包括丰富的场景多样性和详细的语义标注，使得它成为训练和评估语义分割模型的重要资源。 数据集组成： ADE20K数据集分为训练集、验证集和测试集，其中训练集包含20,210张图像，验证集包含2,000张图像。测试集的图像
浅析人脸活体检测技术的实现过程及其应用领域
智能图像识别
09-30 390
这些技术能够捕捉人脸的细微特征，如皮肤纹理、血管模式、眼动等，以及人脸的动态行为，如眨眼、微笑等，从而准确区分真实人脸与伪造图像。人脸活体检测技术在金融支付领域的应用日益广泛，该技术主要通过分析人脸图像中的生物特征以及行为特征，判断人脸图像是否来自真实的生物个体，以防范照片、视频等伪造手段的攻击，从而确保支付过程的安全性。门禁系统：在写字楼、小区、机场等场所的入口控制中，人脸活体检测技术可以替代传统的钥匙和密码，提供更加安全和便捷的出入管理方式。图像采集：首先，通过摄像头等图像采集设备获取人脸图像。
【论文笔记】DKTNet: Dual-Key Transformer Network for small object detection
Word_And_Me_的博客
10-04 625
RoI池化层将来自RPN的候选区域进一步处理，用于分类和边界框回归。
数据集-目标检测系列- 货船 检测数据集 freighter＞＞ DataBall
最新发布
Eric.Lee的博客
10-04 261
数据集-目标检测系列- 货船 检测数据集 freighter>> DataBall 数据量：3k + DataBall 助力快速掌握数据集的信息和使用方式，会员享有 百种数据集，持续增加中。 相关项目 1）数据集可视化项目：gitcode: https://gitcode.com/DataBall/DataBall-detections-100s/overview 2）https://github.com/XIAN-HHappy/ultralytics-yolo-webui
51c视觉~CV~合集2
whaosoft~aiotの开发板商城
10-04 819
作者提出只依据已有的正常表面图像样本，通过一定的技术手段对缺陷样本进行检测，很好的将最近研究火热的GAN应用于框架中，这一年，课题组的老师也一直讨论这种方法的可行性，缺陷的检测要不要有缺陷样本，从稀疏自编码，小样本学习再到计算机视觉研究热点之一的零样本学习，得出结论：大多数工业产品表面缺陷检测是需要缺陷样本或者人为制作的缺陷样本，论文虽然是没有直接使用生产线上的缺陷样本，但是通过算法人为的产生了缺陷样本，并很好的融合和GAN在图像修复领域的强大能力，整个框架的设计很巧妙。使用前需要先安装 SAM 2。
计算机视觉（CV）技术的优势和挑战
mwssx的博客
10-01 482
计算机视觉（CV）技术是研究和开发让计算机能够“看”和理解图像和视频的技术。它在许多领域具有广泛的应用，包括自动驾驶车辆、医学影像分析、安防监控等。这些例子说明了计算机视觉技术的优势和挑战，同时也展示了该技术在各个领域中的潜力和发展方向。
LeGO-LOAM中mapOptmization.cpp
05-19
mapOptimization.cpp 是 LeGO-LOAM 系统中的一个模块，用于对地图进行优化。具体来说，它实现了一个基于 scan-to-map 的非线性优化算法，优化的目标是最小化每个激光帧与地图之间的误差。 该模块的主要功能包括： ...
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