论文笔记 -- Fast-LIO -- ESIKF溯源

已于 2022-09-12 22:26:09 修改
阅读量1.9k 收藏 10
点赞数 1
分类专栏： SLAM 文章标签： LIO
于 2022-04-16 22:26:19 首次发布
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_48592526/article/details/124210205
版权

目录

FAST-LIO最大的贡献就是找到了一种卡尔曼增益的等价公式，极大节省了其计算量。

本文将根据论文原文对其所提方法ESIKF进行一番探索。

B 系统概述

李代数的加减与我们熟悉的加减运算不一样，为了统一表达，定义了一种新的运算符来统一。

了解本专栏 订阅专栏 解锁全文 超级会员免费看
昼行plus
关注
  • 1
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
对于fast-lio论文和代码的一些个人理解
07-07
对于fast-lio论文和代码的一些个人理解
Fast-lio个人总结
lzm89757的博客
03-27 934
Fast-lio个人总结
探索未来感知：FAST_LIO - 高速轻量级SLAM解决方案
最新发布
gitblog_00080的博客
03-23 333
探索未来感知：FAST_LIO - 高速轻量级SLAM解决方案 项目地址:https://gitcode.com/hku-mars/FAST_LIO FAST_LIO 是一个由香港大学MARS团队开发的开源项目，它提供了一种高速、轻量级的同步定位与地图构建（Simultaneous Localization and Mapping, SLAM）方案。SLAM是机器人和自动驾驶领域的核心技术之一，而...
Kalman Filter in SLAM (7) ——Error-state Iterated Kalman Filter (EsIKF, 误差状态迭代卡尔曼滤波)
qq_42731705的博客
03-09 1599
实际就是把和两个结合起来了，并且如果从本质上来说它就是个迭代卡尔曼滤波 IEKF，只不过是的。
雷达与imu初始化：鲁棒且实时的雷达惯性初始化方法
月照银海似蛟龙的博客
09-26 3226
功能包名称github地址效果展示b站地址功能包简介：LiDAR_IMU_Init 是一个鲁棒的、实时的激光雷达与惯导系统的初始化方法。所提出的方法校准了 LiDAR 和 IMU 之间的时间偏移和外部参数，以及重力矢量和 IMU 偏差。该方法不需要任何目标或额外的传感器、特定的结构化环境、先验环境点图或外部和时间偏移的初始值。从 FAST-LIO2 修改的稳健的 LiDAR 里程计（Fast LO）。无需任何硬件设置即可在 LiDAR 和 IMU 之间进行快速且稳健的时间偏移和外部参数校准。
学习笔记 --- KF、EKF、IKF、ESIKF 公式推导 --Part 2
～勿据散客～的博客
04-08 1185
关于卡尔曼滤波器，网上各大博客的写法虽然大同小异，但居然没让我找到一个统一的标准…… 于是，趁初学之际，尝试整理一下，尽量做到符号的统一。如有谬误之处，还请指正！！！ 承接上文：学习笔记 — KF、EKF、IEKF、ESIKF 公式推导 --Part1 目录IKF/IEKF(Iterated Extended Kalman F、ilter)推导预测过程更新过程下面使用 **Gauss-Newton** 方法优化目标函数五个关键的公式整理ESIKF(Error-State Iterated Kalman Fi
学习笔记 --- KF、EKF、IKF、ESIKF 公式推导 --Part 1
～勿据散客～的博客
04-03 2097
KF(Kalman filter) 假定t时刻的系统状态与t-1时刻有关,于是有系统状态方程（线性） xt=Ftxt−1+Btut+wtx_t=F_t x_{t-1}+B_t u_t+w_txt​=Ft​xt−1​+Bt​ut​+wt​ 其中 F 为状态转换矩阵，x 为状态向量， w~N(0，Q) 为过程噪声, B 为输入控制矩阵，u为测量向量值。 另有观测方程： zt=Htxt+vtz_{t}=H_{t} x_{t}+v_{t}zt​=Ht​xt​+vt​ 其中 z 为观测值，H为转换矩阵， v~N(0
R3Live系列学习（二）FAST-LIO源码阅读
热门推荐
weixin_42048023的博客
11-15 1万+
FAST-LIO基于IEEKF（迭代误差KF）的紧耦合建图方法，鲁棒性较loam-livox提升了一档，在非常极端的运动下也有可能维持住位姿。它的论文是《FAST-LIO: A Fast, Robust LiDAR-inertial Odometry Package by Tightly-Coupled Iterated Kalman Filter》。...
FAST-LIO2源码学习
CCChester的博客
05-05 7998
学习计划 因为fast-lio2的框架将各个线程都放到了一个节点中，因此也就只有一个主函数cpp文件，从工程结构来看更加简约，代码风格更加集中化。 主函数结构 主要梳理清楚各个模块在主函数中的分布，实现的功能以及之间的联系。 各模块函数具体实现 涉及各个模块中数学原理和代码的实现，较为复杂。 尚未理解的地方 主要涉及编程语言的使用技巧、数学原理的实现等没有理解的内容。 可以借鉴的优点 工程上对传感器信息进行处理的操作； 框架布局的构思； 项目文件的分布等。 主函数结构 各个结构所需参数获取 主要是从yaml
论文阅读笔记： fast-lio系列
chaoqinyou的博客
11-14 1272
fast-lio, 主要是fast-lio 1
R3LIVE论文学习（二）：VIO子系统
奉现的博客
07-29 816
R3LIVE的VIO子系统
lio-sam-kitti
05-14
适配KITTI数据集
esekf_fusion：错误状态扩展卡尔曼滤波器传感器融合
02-13
esekf_fusion ...很快回来 代码 ms_ekf.py将实现多速率卡尔曼滤波器。 esekf_jsola.py基于J. Sola的工作（未测试）实现esekf。 数据集 基蒂 使用的Kitti数据集：2011_09_26_drive_0001 根据这些数据，我生成了： imu.txt ， gt.txt和vodataset.txt 。 使用ORB-SLAM2生成视觉姿势 TUM MH_01_easy数据集 在文件夹data / imu0 /中，您可以找到： 包含imu数据的data.csv f_mono.txt ，其中包含使用新的ORB-SLAM3生成的视觉姿势 ground_truth.csv包含基本事实。
fast-lio.zip
01-13
解压缩后放在src文件夹下
FAST_LIO:计算有效且强大的LiDAR惯性里程计（LIO）软件包
03-21
注意：不支持Ubuntu 16.04及更低版本 FAST-LIO 2.0 将于2021年3月底发射。 新的功能： 更快更好 更高的频率； 更多的LiDAR支持（Horizo​​n和Ouster 64）； 支持基于ARM的嵌入式平台。 FAST-LIO FAST-LIO （快速LiDAR惯性里程计）是一种计算效率高且功能强大的LiDAR惯性里程计套件。它使用紧密耦合的迭代扩展卡尔曼滤波器将LiDAR特征点与IMU数据融合在一起，从而在发生退化的快速运动，嘈杂或混乱的环境中实现强大的导航能力。我们的软件包解决了许多关键问题： 快速迭代的卡尔曼滤波器，用于里程计优化； 在最稳定的环境下自动初始化； 并行KD-Tree搜索以减少计算量； 强大的特征提取； 开发者 ：激光贴图和姿势优化； ：特征提取。 要了解更多详细信息，请参阅我们的相关文章：） 我们的相关论文：现在可以在arxiv上获得我
LIO-SAM代码逻辑
04-22
LIO-SAM代码逻辑
LIO-SAM代码阅读详细注释版
11-16
LIO-SAM代码阅读详细注释版，2020年11月1日下载版本。目前还有部分没懂，以后再更新，博客里有相应的文章，文章里的注释和这里是一样的，不能保证能够运行，有可能写注释的时候不小心改了代码。
FAST-LIO,FAST-LIO2与FASTER-LIO
lovely_yoshino的博客
07-18 9473
0. 简介 继LLOAM后，三维SLAM迎来了蓬勃的发展，最近一只FAST-SLAM为代表的3D-SLAM迎来了蓬勃的发展，FASTER-LIO也可以看到国内知名SLAMer高博的影子，这里我们将来看一下
SLAM经典：FSAT-LIO算法梳理
3D视觉工坊
03-26 2815
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达编辑丨一点人工一点智能点击进入—>3D视觉工坊学习交流群今天给大家分享IEEE Robotics and Automation Letters上发表经典文章：FAST-LIO: A Fast, Robust LiDAR-inertial Odometry Package by Tightly-Coupled Iterated Kalman...
MID360 FAST-LIO2
01-30
MID360 FAST-LIO2是一种基于Livox激光MID-360雷达和FAST-LIO2激光SLAM算法的建图系统。下面是使用MID360 FAST-LIO2的步骤： 1. 安装Livox激光MID-360 SDK2和ROS2驱动。按照README文件中的说明进行安装。 2. 配置ROS2驱动。livox_mid360_driver_ws工程中，修改livox_ros_driver2/config/MID360_config.json文件中的参数。将cmd_data_ip改为192.168.1.50，将下面的ip改为雷达的IP地址，最后两位为雷达S/N码的最后两位数字。这样配置后，才能发布雷达和IMU的数据。 3. 编译并运行ROS2驱动。在livox_mid360_driver_ws目录下执行以下命令： ```shell catkin_make source ./devel/setup.bash roslaunch livox_ros_driver2 msg_MID360.launch ``` 4. 下载并安装Livox Viewer2。可以从Livox官网的下载页面（https://www.livoxtech.com/downloads）下载Livox Viewer2。 5. 下载并安装LIO-Livox和Livox-Mapping。可以从Livox-SDK的GitHub页面（https://github.com/Livox-SDK/LIO-Livox和https://github.com/Livox-SDK/livox_mapping）下载相应的代码。 6. 配置LIO-Livox。根据LIO-Livox的README文件中的说明进行配置。 7. 启动Livox Viewer2，并连接MID-360雷达。 8. 启动LIO-Livox。在LIO-Livox的工程目录下执行以下命令： ```shell roslaunch lio_livox lio_livox.launch ``` 9. 启动Livox-Mapping。在Livox-Mapping的工程目录下执行以下命令： ```shell roslaunch livox_mapping livox_mapping.launch ``` 通过以上步骤，你就可以使用MID360 FAST-LIO2进行建图了。

“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

打赏作者

昼行plus

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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