Fast-LIVO和R3LIVE

已于 2023-01-29 19:11:34 修改
阅读量1.3k 收藏 2
点赞数
分类专栏： 多传感器融合 VSLAM GSLAM 文章标签： 自动驾驶 人工智能
于 2023-01-17 14:15:53 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/z15f34/article/details/128715595
版权
多传感器融合 同时被 3 个专栏收录
29 篇文章 3 订阅
订阅专栏
GSLAM
27 篇文章 2 订阅
订阅专栏
VSLAM
26 篇文章 4 订阅
订阅专栏

 Fast-LIVO追求精度

Fast-LIVO

文件数量不多

Difference FAST LIVO and R3LIVE · Issue #6 · hku-mars/FAST-LIVO · GitHub

preprocess预处理

主要是激光雷达的数据类型选择和数据处理

其中涉及到的算法处理包括：give_feature/plane_judge/small_plane/edge_jump_judge,这些都是选择特征处理方法才会用到，我使用原始点云，暂时不做分析；

IMU_Processing

点云运动去畸变处理，涉及到点云的前向传播和后向传播，暂时不表;

laserMapping

妄想出头的工业炼药师
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
R3LIVE在NX上的运行
YOULANSHENGMENG的博客
03-29 485
第四步之前都不会有什么问题，关键是第四步编译的时候会有问题。因为源码是x86平台的，所以迁移至AMR平台，会有很多编译的问题。../R3_ws/src/r3live/r3live/./src/tools/tools_logger.hpp:1323:10: fatal error: cpuid.h: 没有那个文件或目录。主要注释头文件和这下面三个函数相关的代码。解决办法：这种情况是因为在arm平台上不存在SSE指令集的，在X86平台才会有，因此需要在CMakLists文件中吧有关-msse3字样的都注释掉。
fast-live-reload:实时重新加载，适用于所有可能的浏览器
05-16
快速重新加载 观看页面更改而无需刷新浏览器。 实时重载终于感觉完美。 实时重载可与所有可能的浏览器（ie8 +）一起使用，而无需外部依赖项（如jQuery），并且可以执行几乎所有操作，并与您拥有的任何开发流程集成在一起，包括其他观察程序工具或构建步骤。 不要相信我，在简短看看为什么它很棒。 它只有18分钟的时间，您可以感受到快速重新加载的强大功能。 重新加载的工作无需触及您的网站代码。 为什么 我想要一个简单的工具，可以在所有浏览器上甚至在远程机器上轻松开发和测试各种Web应用程序（例如，参见 ）。 该工具是专门为此目的而设计的。 例子 实时重新加载应用程序可以通过fast-live-reload或命令行中的flr来使用。 $ fast-live-reload 1. Will notify the changes for clients on port 9001 2. and
ROS实验笔记之——FAST-LIVO
gwpscut的博客
11-14 3789
最近IROS22的FAST-LVIO源码开源了，笔者赶紧测试一下。
经典文献阅读之--FAST-LIVO（Fast-LIO系列的激光视觉惯性里程计）
lovely_yoshino的博客
01-04 3046
在此之前博主对和进行了系统性的学习。最近文章《》提出了FAST-LIVO，这是一种快速LiDAR惯性-视觉里程计系统，它建立在两个紧耦合的直接里程计子系统之上：VIO子系统和LIO子系统。LIO子系统将新扫描的原始点(而不是边缘或平面上的特征点)添加到增量构建的点云地图中。这些地图点还额外关联了图像块，VIO子系统使用点云地图附加的图像块，在不提取任何视觉特征(例如ORB或FAST角点特征)的情况下最小化直接光度误差，以此来对齐新图像。
激光SLAM总结——Fast LIO / Fast LIO2 / Faster LIO
最新发布
weixin_44580210的博客
05-14 2225
激光SLAM总结——Fast LIO / Fast LIO2 / Faster LIO 在之前的工作中有接触过LOAM，最近在工作中又接触到Faster LIO相关的工作，于是想着对Fast LIO / Fast LIO2 / Faster LIO这一系列工作进行一个简单的总结，以加深自己对激光SLAM算法的理解，之前总结过的一些和激光SLAM算法相关的博客还有，感兴趣的同学可以一起学习讨论： 激光SLAM总结——VLOAM / LIMO算法解析 激光SLAM总结——LIO-Mapping / LIOM /
FAST-LIVO：快速紧耦合稀疏直接激光视觉里程计
人无远虑，必有近忧
07-18 2889
多传感器融合被证明是一种能够在SLAM任务中取得准确和鲁棒位姿估计的有效解决方案，因而在机器人应用中具有无限可能。本文提出了FAST-LIVO方法，一种快速的雷达-惯性-视觉里程计，其中包含了两个紧耦合的直接里程计子系统：一个VIO子系统和一个LIO子系统。LIO子系统registers激光的原始点云数据（而不是平面或者边上的特征点）到一个增量点云地图中。点云地图中的三维点带有颜色纹理信息，这样不用提取任何的视觉特征点（ORB或者Fast角点），就可以被VIO子系统通过最小光度误差与最新的图像帧对齐。为了进
【FAST-LIVO】代码编译、进程崩溃问题解决、官方数据集演示、算法移植
SchroZY的博客
02-20 967
新坑：FAST-LIVO系列，计划从代码编译，官方demo运行，论文讲解，实机测试进行视频更新，敬请期待~
R3LIVE编译运行(自己数据集)，用自己的设备实机操作中遇到的一系列问题
qq_51024665的博客
10-15 1213
第一次写博客，创作不易，还望多多支持。主要记录之前遇到的问题，方便以后查看，主要以R3LIVE为例进行探讨。第一次写博客，希望大家多多支持。最后，总结一下下，实践才是检验真理的唯一标准，只有自己尝试了，才会出现很多别人没有遇到的问题，然后自己上网查资料以及询问其他大佬解决相关问题。
R3live&Fastlio2
Shilong的博客
11-06 616
readings of hku_mars R3live & Fastlio2
开源项目速览：港大最新研发激光雷达惯性视觉里程计系统FAST-LIVO（即将开源）
Make something people want.
03-17 1220
1、项目简介 香港大学最新研发了一种快速激光雷达惯性视觉里程计系统FAST-LIVO，它建立在两个紧密耦合的直接里程计子系统上：VIO子系统和LIO子系统。LIO子系统将新扫描的原始点注册到增量构建的点云地图，然后在VIO子系统中使用这些图像块。本系统支持多线旋转激光雷达和具有完全不同扫描模式的新兴固态激光雷达，并且可以在Intel和ARM处理器上实时运行。 2、项目信息 开源地址：https://github.com/hku-mars/FAST-LIVO 论文下载地址：https://arxiv.or
Fast-Livo：快速紧耦合稀疏-DirectLiDAR-惯性视觉里程计
3D视觉工坊
04-04 2513
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者丨吕乐章来源丨计算机视觉life今天给大家分享一篇香港大学火星实验室最新的成果，题目是快速紧耦合的稀疏直接雷达-惯性-视觉里程计，英文标题：FAST-LIVO: Fast and Tightly-coupled Sparse-DirectLiDAR-Inertial-Visual Odometry论文地址：FAS...
Fast-Livo：快速紧耦合的稀疏-直接雷达-惯性-视觉里程计
limingmin2020的博客
06-06 1369
本文提出了FAST-LVIO：一种融合LiDAR-IMU-视觉的里程计系统，它由两个紧耦合的子系统构成：VIO子系统和LIO子系统。LIO子系统将当前帧扫描到的原始点（而不是特征点，例如边或平面）添加到增量点云地图。点云地图点还附加有图像块，这些图像块会在VIO子系统中使用，通过最小化光度误差来对齐新图像，而无需提取任何视觉特征（例如，ORB或FAST角点特征）。...
LIO-SAM代码逻辑
04-22
LIO-SAM代码逻辑是基于激光雷达 Odometry 和惯导测量单元（Inertial Measurement Unit，IMU）数据的SLAM算法，其核心逻辑包括前端雷达点云处理、imu数据处理、点云补偿、特征点云提取、运动补偿和后端优化等部分。...
Livo
03-13
Create React App入门 该项目是通过引导的。 可用脚本 在项目目录中，可以运行： npm start 在开发模式下运行应用程序。 打开在浏览器中查看它。 如果您进行编辑，则页面... 相反，它将所有配置文件和传递依赖项（we
livo:Livo 移动应用程序
06-03
3. **JavaScript 库和框架**: 除了React Native和Ionic，Livo可能还使用了其他JavaScript库，如Redux（用于状态管理）、Axios（用于网络请求）、lodash（用于实用函数）等，以提升开发效率和代码质量。这些工具能够...
使用D435i+Avia跑Fast-LIVO
linzs.online
11-27 5595
最近Fast-LIVO开源了，之前看它的论文的时候发现效果很优秀，于是用实验室现有的设备尝试一下。这里主要记录一下使用不带外触发功能的D435i + Avia跑Fast-LIVO的过程，为了适配代码，主要修改了雷达的驱动、相机的launch文件、以及使用了一个外部的rospkg对相机的IMU坐标系做了转换
FAST-LIVO论文翻译
JunJun
06-05 1706
多传感器融合被证明是一种能够在SLAM任务中取得准确和鲁棒位姿估计的有效解决方案，因而在机器人应用中具有无限可能。本文提出了FAST-LIVO方法，一种快速的雷达-惯性-视觉里程计，其中包含了两个紧耦合的直接里程计子系统：一个VIO子系统和一个LIO子系统。.........
二十一.激光、视觉和惯导LVIO-SLAM框架学习之相机与雷达外参标定（1）
weixin_36773706的博客
12-22 1806
专栏系列文章如下： 一：Tixiao Shan最新力作LVI-SAM(Lio-SAM+Vins-Mono)，基于视觉-激光-惯导里程计的SLAM框架，环境搭建和跑通过程_goldqiu的博客-CSDN博客 二.激光SLAM框架学习之A-LOAM框架---介绍及其演示_goldqiu的博客-CSDN博客 三.激光SLAM框架学习之A-LOAM框架---项目工程代码介绍---1.项目文件介绍（除主要源码部分）_goldqiu的博客-CSDN博客 四.激光SLAM框架学习之A-LOAM框架---项目工程代
fast-livo vol
07-28
FAST-LIVO是一种快速紧耦合的稀疏直接激光雷达惯性视觉里程计系统。它结合了稀疏直接图像与直接原始点对齐的优点，实现了在算力消耗较小的情况下准确可靠的姿态估计。FAST-LIVO的贡献包括使用axis-aligned voxels来包含视觉全局地图中的点，通过Hash表进行快速索引；通过查询voxel Hash表来确定当前帧FoV内的可能点，从而实现视觉子图和外点消除。FAST-LIVO的设计旨在解决SLAM中大量计算资源占用的问题，提供了一种高效的姿态估计方法。\[1\]\[2\]\[3\] #### 引用[.reference_title] - *1* *2* *3* [FAST-LIVO论文翻译](https://blog.csdn.net/qq_27806947/article/details/125085256)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“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