![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
3d_slam
可峰科技
1-不要试图去证明自己比别人能力强,
是因为不自信的人才去证明自己的能力,
大家要记住,
就是你在团队不要找同样的人,
团队应该找不同样的人,
就是你把自己的能力放下,
你是要有一种新的能力 把大家团结起来,
赋能别人的能力,
唯一的办法,
这帮聪明的人没有办法一起工作,
但是我在 就可以让他们一起工作,
这是一个强大的Leadership能力。
2-读书读的好的人,很少会想到去创业,而读书读的差的人,没人要他,他容易去创业,
所以不管你会读书不会读书,你有资源没有资源,机会都有,天生我材必有用,
你今天去想清楚,这世界成功的不是一条路,有很多的路
3-学些经济知识
展开
-
pcl点云保存成图片pgm和yaml,用于机器人导航规划
话不多说直接上代码 pcl::io::savePCDFileBinary(saveMapDirectory + "/GlobalMapProjected.pcd", *cloud_projected); cout << "****************************************************" << endl; cout << "Saving projected map to pcd fi原创 2021-08-30 21:37:04 · 1265 阅读 · 0 评论 -
lio_sam发布rviz显现的话题
解释:去畸变后的点云数据 pubExtractedCloud = nh.advertise<sensor_msgs::PointCloud2> ("lio_sam/deskew/cloud_deskewed", 1);原创 2021-08-26 14:25:58 · 560 阅读 · 0 评论 -
lio_sam代码阅读之imageProjection.cpp
ImageProjection的构造函数ImageProjection(): deskewFlag(0) { // 订阅原始imu数据 subImu = nh.subscribe<sensor_msgs::Imu>(imuTopic, 2000, &ImageProjection::imuHandler, this, ros::TransportHints().tcpNoDelay()); // 订阅imu里原创 2021-08-16 17:36:25 · 421 阅读 · 1 评论 -
LIO_SAM运行自己的数据进行标定
还没有拿到IMU硬件,这里先做下其他功课这篇文章不错LIO-SAM:配置环境、安装测试、适配自己采集数据集这篇文章是介绍如何标定的激光雷达和IMU联合标定并运行LIOSAM原创 2021-08-16 09:54:53 · 1971 阅读 · 0 评论 -
适当修改LIO-SAM_based_relocalization解决初始重定位显示错误
去掉初始化成功后才进行里程计。 void laserCloudInfoHandler(const lio_sam::cloud_infoConstPtr& msgIn) { // extract time stamp //added timeLaserInfoStamp = msgIn->header.stamp; timeLaserCloudInfoLast = msgIn->header.stamp.原创 2021-08-12 09:27:59 · 2473 阅读 · 22 评论 -
lio_sam之预积分计算
简要概述:就是把激光里程计融合IMU进行紧耦合解算IMU的BIas(零偏),同时修正激光里程计的误差,可以实现系统的稳定性和精度上的提高。直接来代码,感觉gtsam已经做了很多工作,高度抽象了一种工具,类似pcl、opencv等。 /** * 订阅激光里程计,来自mapOptimization * 1、每隔100帧激光里程计,重置ISAM2优化器,添加里程计、速度、偏置先验因子,执行优化 * 2、计算前一帧激光里程计与当前帧激光里程计之间的imu预积分量,用前一帧状态施加原创 2021-08-10 10:25:29 · 767 阅读 · 0 评论 -
lio_sam之闭环检测
简要概述:没什么就是icp匹配,为因子图提供闭环检测因子,这里闭环检测是一对一,cartographer中是一对多 /** * 闭环scan-to-map,icp优化位姿 * 1、在历史关键帧中查找与当前关键帧距离最近的关键帧集合,选择时间相隔较远的一帧作为候选闭环帧 * 2、提取当前关键帧特征点集合,降采样;提取闭环匹配关键帧前后相邻若干帧的关键帧特征点集合,降采样 * 3、执行scan-to-map优化,调用icp方法,得到优化后位姿,构造闭环因子需要的数据,在原创 2021-08-10 09:37:51 · 695 阅读 · 0 评论 -
lio_sam之因子图优化
简单叙述:因子图用起来很简单,里面的原理学起来要深究。感觉因子图优化就是另一种位姿图解算,不过好像有增量更新,有助于简化计算,这个是解方程内部的事情,想要用好肯定要内部深入了解,来感受一下激光里程计、GPS因子、闭环因子如何一起因子图优化吧 /** * 添加激光里程计因子 */ void addOdomFactor() { if (cloudKeyPoses3D->points.empty()) { /原创 2021-08-10 09:09:33 · 2157 阅读 · 0 评论 -
lio_sam之点到空间直线、空间平面的法向量
参考文章1-两向量叉乘的计算公式_向量叉乘公式是什么啊下面的代码合理的解释了如何求某一点到空间直线的法向量步骤:1,先求点和直线共同组成的面的法向量步骤:2,再求空间直线和法向量的叉乘,就可以等到点到该直线的空间法向量。另直线拟合使用到了主成分分析,即找到最大主成分的特征向量是否呈现直线特征。使用了cv::Mat+eigen来解线性方程组。 /** * 当前激光帧角点寻找局部map匹配点 * 1、更新当前帧位姿,将当前帧角点坐标变换到map系下,在局部map中查找5个最原创 2021-08-09 15:48:34 · 717 阅读 · 0 评论 -
使用lio_sam建图,然后使用LIO-SAM_based_relocalization-master导航
建图lio_sam建图,大佬代码写的一般,但是能实现功能又会写代码的人已经很牛了,地址:https://github.com/TixiaoShan/LIO-SAM导航网上有个小哥(应该是哈工大的那波人,都写的是HIT),在lio_sam的基础上增加了重定位,感觉还可以用,比一波粒子滤波的开源代码强一些。最起码定位频率和精度还跟得上,缺点是重定位不准,慢,可能还需要详细看代码调试,真实测试应该很快同时定位准确。地址:https://github.com/Gaochao-hit/LIO-SAM_bas原创 2021-08-06 11:59:45 · 5180 阅读 · 24 评论 -
lio_sam代码阅读之imuPreintegration
转载,gtsam是专门为IMU紧耦合做了类,pcl、gtsam、ros用的出神了/*** 订阅imu原始数据* 1、用上一帧激光里程计时刻对应的状态、偏置,施加从该时刻开始到当前时刻的imu预计分量,得到当前时刻的状态,也就是imu里程计* 2、imu里程计位姿转到lidar系,发布里程计*/ void imuHandler(const sensor_msgs::Imu::ConstPtr& imu_raw) { std::lock_guard<std::m原创 2021-08-05 16:19:01 · 462 阅读 · 0 评论 -
lio_sam代码阅读之mapOptimization
基本转自别人/** * 当前帧位姿初始化 * 1、如果是第一帧,用原始imu数据的RPY初始化当前帧位姿(旋转部分) * 2、后续帧,用imu里程计计算两帧之间的增量位姿变换,作用于前一帧的激光位姿,得到当前帧激光位姿*/ void updateInitialGuess() { // 前一帧的位姿,注:这里指lidar的位姿,后面都简写成位姿 //transformTobeMapped 初始值为0; incrementalOdome原创 2021-08-05 14:33:04 · 463 阅读 · 0 评论 -
lio_sam之rqt_graph
1-imagePreintegration(激光运动畸变矫正)2-featureExtraction(点云特征提取)3-imuPreintegration(IMU预积分)4-mapOptmization(因子图优化)原创 2021-08-03 10:32:45 · 330 阅读 · 0 评论 -
LOAM论文介绍与A-LOAM代码简介
作者写的很好https://www.cnblogs.com/YongQiVisionIMAX/p/13871721.htmla-loam git地址https://github.com/HKUST-Aerial-Robotics/A-LOAM转载 2021-07-20 16:14:54 · 475 阅读 · 0 评论 -
速腾聚创3d激光雷达整理
具体如下型号RS-Ruby线数128激光波长905nm激光安全等级Class1盲区<1.0m测距能力250m(200m@10%NIST)精度(典型值)Up to +/-3cm水平视场角360垂直视场角40水平角分辨率0.2/0.4原创 2021-06-09 09:55:49 · 1477 阅读 · 5 评论 -
SLAM-3d/2d Lidar/IMU/Odom数据集,数据共享
数据集对于研究测试算法都十分重要,这里把我个人搜集的数据分享如下,也请有分享意向的其他个人,将数据集分享到这里,我将整理并发布,感谢大家!原创 2021-06-09 09:29:15 · 1675 阅读 · 8 评论 -
3d激光雷达公司
原创 2021-06-08 16:35:26 · 147 阅读 · 0 评论 -
cartographer 3d 初试,运行速腾聚创data
不黑不吹,这个文章不错谷歌cartographer使用速腾聚创3d激光雷达数据进行三维建图结合文章,先上图再上数据链接: https://pan.baidu.com/s/17P_NhPinVU6zlNG5p01PZw 提取码: 63gv再上配置文件urdf<!-- Copyright 2016 The Cartographer Authors Licensed under the Apache License, Version 2.0 (the "License"); yo原创 2021-06-03 11:23:44 · 879 阅读 · 4 评论 -
KITTI数据集-百度云盘
KITTI raw data可以复制下载链接的地址至迅雷,实测迅雷可以下载KITTI data_odometry_gray下载地址:链接:https://pan.baidu.com/s/1ecGfOSZpfXNtif7RWikhMg 提取码:du1tKITTI data_odometry_color下载地址:链接:https://pan.baidu.com/s/1BtQUxZ6vLQJHAPmDNCNTFA 提取码:trf5KITTI data_odometry_velodyne下载地址:链接:htt转载 2021-05-31 16:46:13 · 4537 阅读 · 3 评论 -
使用速腾激光雷达和KITTI数据集运行A-LOAM
1-运行速腾聚创数据包速腾聚创数据地址百度云盘链接: https://pan.baidu.com/s/1Kfl275blg5s3gqB7AYDrQg 提取码: u8zp修改执行文件<launch> <param name="scan_line" type="int" value="16" /> <!-- if 1, do mapping 10 Hz, if 2, do mapping 5 Hz. Suggest to use 1, it w原创 2021-05-31 15:26:35 · 1260 阅读 · 0 评论