lio-sam之FeatureExtraction.cpp

最新推荐文章于 2023-06-06 22:30:00 发布
最新推荐文章于 2023-06-06 22:30:00 发布
阅读量560 收藏
点赞数
分类专栏： LIO-SAM 文章标签： 算法
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_49227107/article/details/126462585
版权

该cpp里就一个回调函数

laserCloudInfoHandler

订阅lio_sam/deskew/cloud_info 去畸变点云

  1. calculateSmoothness
    计算每个点云相邻的5个点深度值的残差和，残差和的平方为该点曲率
  2. markOcclodedPoints
    判断遮挡点和平行点，这两种点都不做特征提取
  3. extractFeatures
    遍历每个扫描线，将每个扫描线分为6段，点云按照曲率大小排序，从大到小遍历，曲率大于阈值为角点，每段取20个角点，选取的角点前后5个点不再处理。从小到大遍历，曲率小于阈值认为是平面点，标记的平面点前后5个点不再处理，平面点和不处理的点，都归为平面点。
    平面点降采样加入平面点云集合。
  4. publishFeatureCloud
    发布topic：
    lio_sam/feature/cloud_corner (rviz发布)
    lio_sam/feature/cloud_surface（rviz发布）
    lio_sam/feature/cloud_info
乔克1998
关注
专栏目录
LIO-SAM代码（中文注释）
02-24
**LIO-SAM（LiDAR-Inertial Odometry with Simultaneous Localization and Mapping）**是一种先进的定位与建图算法，特别适用于具有激光雷达（LiDAR）和惯性测量单元（IMU）传感器的机器人系统。这个算法结合了两者...
LIO-SAM-DetailedNote:LIO-SAM源码详细注释，3D SLAM融合激光、IMU、GPS
05-08
LIO-SAM的代码十分轻量，只有四个cpp文件，很值得读一读呢。 关于LIO-SAM的论文解读，网上已经有很多文章啦，同系列的LOAM、A-LOAM、LEGO-LOAM等，在网上都可以找到相关的解读文章。所以本文旨在对源代码进行阅读...
LIO-SAM探秘第三章之代码解析（二） --- featureExtraction.cpp
李想的博客
11-09 2802
1 main() int main(int argc, char** argv) { ros::init(argc, argv, "lio_sam"); FeatureExtraction FE; // \033[1;32m，\033[0m 终端显示成绿色 ROS_INFO("\033[1;32m----> Feature Extraction Started.\033[0m"); ros::spin(); // 一个线程 retur
LIO-SAM代码解析——featureExtraction.cpp
weixin_45626706的博客
01-30 578
lio-sam
LIO-sam源码分析：featureExtraction.cpp
非晚非晚的博客
02-09 654
这一块代码和LeGO的思想是一致的，而且还略去了scan-to-scan的内容，整体更加简介。 构造函数–》回调函数FeatureExtraction()： 订阅： lio_sam/deskew/cloud_info 发布： lio_sam/feature/cloud_info lio_sam/feature/cloud_corner lio_sam/feature/cloud_surface 函数首先会进入回调函数：laserCloudInfoHandler void laserCloudI.
LIO-SAM源码解析（六）：featureExtraction.cpp
人无远虑，必有近忧
12-03 632
对每条线上大曲率进行排序，每条线分为6段，每段最多提取20个。大于阈值就是角点（默认0.1），并且标记该点周围其他点已经被提取了。小于阈值同理，当成平面点。不过平面点要经过一个降采样过程（角点不用，可能是平面点比较多）。角点以"lio_sam/feature/cloud_corner"发布，平面点以"lio_sam/feature/cloud_surface"发布，然后把二者合在一起，在lio_sam/deskew/cloud_info的基础上，填充cloud_corner和cloud_surface字段，
LIO-SAM代码阅读——featureExtraction.cpp
qq_44305240的博客
09-24 347
LIO-SAM代码阅读——featureExtraction.cpp
为适配kitti数据集修改的lio-sam.zip
最新发布
12-29
为了更好地理解并使用这个修改版的lio-sam，我们需要查看源代码，了解其对原始lio-sam的改进之处，包括但不限于： 1. **数据预处理**：针对Kitti数据集的格式，可能有专门的数据读取和预处理模块，确保激光雷达点云...
SC-LIO-SAM:激光雷达惯性SLAM
05-29
SC-LIO-SAM 版本 2020-11-19 什么是 SC-LIO-SAM？ SC-LIO-SAM 是一种实时激光雷达惯性 SLAM 封装。 LiDAR 惯性 SLAM：扫描上下文 + LIO-SAM 该存储库是一个示例用例，它是一种快速而强大的 LiDAR 位置识别方法。 ...
LIO-SAM代码阅读详细注释版
11-16
**LIO-SAM SLAM 知识点详解** LIO-SAM（LiDAR-Inertial Odometry with Smoothing and Mapping）是一种结合了激光雷达（LiDAR）和惯性测量单元（IMU）的实时定位与建图（SLAM）算法。在SLAM领域，LIO-SAM因其高效性...
LIO-SAM代码逐行解读（3）-特征点提取
qq_29320587的博客
06-06 491
我们在前述的博客中介绍了LIO-SAM的一些准备工作、点云预处理等内容。之后，整理为cloud_info消息类型进行发布，以供后续特征点提取进行使用。接下来，我们进行后续的工作，根据点的平滑度来进行特征点提取，包括面片点与角点。这一部分还是比较简单明了的，总体来说就是先计算平滑度，接着根据平滑度的值排序，选取其中的面片点与角点。
LIO-SAM论文与代码阅读笔记（三）代码阅读：featureExtraction.cpp和mapOptmization.cpp
qq_42731705的博客
11-13 937
本文是LIO-SAM论文与代码阅读笔记系列文章的一部分，所有博客如下：LIO-SAM论文与代码阅读笔记（一）论文阅读LIO-SAM论文与代码阅读笔记（一）论文阅读LIO-SAM论文与代码阅读笔记（一）论文阅读。
LIO-SAM源码解析-特征提取featureExtraction.cpp
chennuo0125的博客
12-19 1913
节点数据传递 从上图可以看出来，特征提取节点(红色)/lio_sam_featureExtraction只订阅图像投影节点发布的话题(蓝色)/lio_sam_deskew/cloud_info，并且只发布话题(绿色)/lio_sam/feature/cloud_info． 订阅 /lio_sam_deskew/cloud_info 做了什么？ void laserCloudInfoHandler(const lio_sam::cloud_infoConstPtr &msgIn) { clo
lio-sam中的特征提取与匹配
weixin_49227107的博客
08-19 1035
lio-sam中的激光点云特征提取与匹配部分和loam中的类似，本文整理的不一定准确，请批评指正。
第七讲 feature_extraction.cpp
qq_40213457的博客
07-09 1066
#include <iostream>#include <opencv2/core/core.hpp>#include <opencv2/features2d/features2d.hpp>#include <opencv2/highgui/highgui.hpp> using namespace std;using namespace cv; in...
LIO-SLAM 代码详细注释二featureExtraction.cpp
努力是明天快乐的源泉
02-08 381
featureExtraction.cpp #include "utility.h" #include "lio_sam/cloud_info.h" struct smoothness_t{ float value; //曲率 size_t ind; //序号 }; struct by_value{ //曲率值对比 bool operator()(smoothness_t const &left, smoothness_t const &right) {
3d激光slam：LIO-SAM框架---特征点提取
月照银海似蛟龙的博客
08-26 1663
LIO-SAM的全称是：Tightly-coupled Lidar Inertial Odometry via Smoothing and Mapping从全称上可以看出，该算法是一个紧耦合的雷达惯导里程计（Tightly-coupled Lidar Inertial Odometry），借助的手段就是利用GT-SAM库中的方法。LIO-SAM 提出了一个利用GT-SAM的紧耦合激光雷达惯导里程计的框架。实现了高精度、实时的移动机器人的轨迹估计和建图。...
《视觉slam十四讲》第七讲feature_extraction.cpp程序解释
lcmsir的博客
01-30 1959
Ptr orb = ORB::create(int nfeatures=500, float scaleFactor=1.2f, int nlevels=8, int edgeThreshold=31, int firstLevel=0, int WTA_K=2, int scoreType=ORB::HARRIS_SCORE, int patchSize=31) 由于在书中直接省略了，
LIO-SAM-scan2MapOptimization()优化原理及代码解析
chennuo0125的博客
12-24 7347
前言 LIO-SAM中的扫描匹配优化部分代码是直接套用LOAM，该部分代码的最大特点是没有利用任何开源的优化库(ceres-solver, g2o, gtsam…)进行残差方程的优化，而是只基于Eigen库构造了高斯牛顿迭代算法对残差方程进行优化，获得最小二乘解．一般slam后端都是基于简单易用的开源优化库进行残差方程的优化，使得代码的可读性和开发速度都得到提升，基于这样的思路，港科大基于LOAM写了一个A-LOAM框架，将里面可读性差的优化部分全部用ceres-solver优化库取代，使得代码可读性明显提
适配kitti数据集的lio-sam修改版打包发布
资源摘要信息: "为适配kitti数据集修改的lio-sam.zip" 关键词: 数据集、kitti、lio-sam、机器人定位与建图、激光雷达、自主导航、算法适配、开源项目、3D点云处理 在自动驾驶和机器人领域，激光雷达（LiDAR）是...
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