提高fast-lio 里程计的发布频率

已于 2024-06-17 17:51:27 修改
阅读量544 收藏
点赞数 1
分类专栏： Fast-lio2 文章标签： fast-lio
于 2024-06-05 10:23:38 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/z1872385/article/details/139464881
版权
本文探讨如何提升fast-lio里程计的发布频率，以实现更高效的数据更新和定位精度。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

占个坑，后续补充

fast-lio系列改进版本
z1872385的博客
03-15 1718
2.回环检测的优化结果，更新到FAST-LIO2的当前帧位姿中，幷进行ikdtree的重构，进而更新submap。其它的效果还不清楚，实测lio部分稳定性很好。用fast-lio_slam就很稳定。融合了fast-lio2和sc-pgo，两部分分开运行，SC-PGO从FAST-LIO2节点获取里程计和激光雷达点云主题。的作者kim在FAST-LIO2的基础上，添加SC-PGO模块，通过加入ScanContext全局描述子，进行回环修正,SC-PGO模块与FAST-LIO2解耦，非常方便，很优秀的工作。
关于fast-lio2使用mid360的一些纠结
z1872385的博客
02-01 1882
fast-lio2代码使用的是livox-mid70，数据结构是一代livox-sdk ,想要驱动mid360使用的却是livox-sdk2,数据结构有区别，但是不做代码修改，直接编译后也能运行。分别打开FAST_LIO/src/preprocess.h、FAST_LIO/src/preprocess.cpp、FAST_LIO/src/laserMapping.cpp中的命名空间，有多处需要修改。3.2. 修改FAST_LIO的package.xml。3.3. 修改FAST_LIO的命名空间。
SLAM文献之-Faster-LIO: Lightweight Tightly Coupled Lidar-inertial Odometry using Parallel Sparse Increm
最新发布
qq_36812406的博客
03-07 1181
Faster-LIO（Fast LiDAR-Inertial Odometry）是一种高效、实时的激光雷达-惯性里程计（LIO）算法，旨在通过紧密融合激光雷达（LiDAR）和惯性测量单元（IMU）数据，实现高精度、低延迟的定位与建图。，在保持高精度的同时显著提升了计算效率。在LiDAR扫描间隔内（通常为100ms），IMU的高频数据（200Hz+）通过预积分计算相对运动量，避免重复积分。迭代卡尔曼滤波（IKF）**进行状态估计，直接融合LiDAR观测残差和IMU预积分约束，而非松耦合中的独立处理。
激光里程计：fast-lio复现
如果想成为中心，那么就到中心去吧。
08-16 1494
而我们下面即将进行的rosbag example，其实就是先启动对应的launch文件，然后再rosbag play bag文件，利用bag文件中的数据，模拟传感器发送给fastlio的数据。其中的bag文件中，包含了对应的传感器的数据，而要保证bag文件中的数据能够正确的发送给fastlio，我们还需确保对应的雷达配置文件中的 topic 与 bag文件中数据的topic一致。前面说过，fast_lio是一种里程计算法，他可以根据输入的传感器的数据，输出机器人的里程计信息等。
【Fast-LIO系列】Fast-LIO、Fast-LIO2、Faster-LIO系列特点分析
格物致知
10-01 1912
而ikd-Tree在point-wise和block-wise，通过对结点新加了deleted, treedeleted, pushdown，treesize, invalidnum属性，进而减小了插入，删除，检索，re-insert的时间复杂度，并达到增量更新的目的；并且能够通过设置的参数，检测到二叉树不平衡时，进行重建。，这样做的好处是原本公式中求逆中的矩阵是观测维度的，新公式求逆中的矩阵是状态维度的，需要求逆H的矩阵维度减小了(因为在实际情况中，激光特征点的数量维度要远大于状态量的维度)
FAST-LIO2代码解析(六)
lovely_yoshino的博客
10-02 4829
上一节我们将while内部的IKD-Tree部分全部讲完，下面将是最后一部分，关于后端优化更新的部分。
FAST-LIO系列-阅读笔记
jjjqqq123321的博客
03-04 1259
FAST-LIO、FAST-LIO2以及Faster_LIO点主要贡献和区别。
fastlio2 论文笔记
heroacool的专栏
11-04 992
fast lio2
从工程角度理解fast-lio2
z1872385的博客
07-29 607
具体来说，IMU能够实时测量载体的角速度和加速度，这些数据可以用来估算载体的姿态和位置变化。在LIDAR扫描过程中，由于载体的运动，LIDAR扫描到的点云数据会存在时间上的延迟和位置上的偏差。IMU预测向后传播去除运动畸变的基本原理是利用IMU的高频数据（如角速度和加速度）来预测LIDAR在扫描过程中的运动状态，然后将预测的运动状态应用于LIDAR点云数据，以去除由于运动产生的畸变。的方法，可以将LIDAR点云数据从。的姿态和位置，从而实现去畸变。
FAST_LIO:计算有效且强大的LiDAR惯性里程计（LIO）软件包
03-21
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...
FAST_LIO 代码完整版
03-16
5. **图优化（Graph Optimization）**：在FAST_LIO中，通常采用图优化算法如Gauss-Newton或Levenberg-Marquardt方法，对过去一段时间内的关键帧和里程计数据进行全局重优化，确保整个轨迹的一致性和准确性。...
FAST-LIO: A Fast, Robust LiDAR-inertial Odometry Package byTightly-Coupled Iterated Kalman Filter
avenger_fang的博客
04-08 899
【摘要】 本文提出了一种计算效率高、鲁棒性强的激光雷达-惯性里程计框架。我们使用紧密耦合的迭代扩展卡尔曼滤波器将激光雷达特征点与IMU数据融合，以允许在快速运动、有噪声或杂乱的环境中进行鲁棒的导航。为了降低存在大量测量值时的计算负荷，我们提出了一个新的计算卡尔曼增益的公式。新公式的计算负载取决于状态维度，而不是测量维度。所提出的方法及其实现已在各种室内外环境中进行了测试。在所有的测试中，我们的方法实时产生可靠的导航结果：在四旋翼计算机上运行，它在扫描中融合超过1200个有效特征点，并在25...
FAST-LIO论文解析
超爱吃小蛋糕的66的博客
12-29 5386
本文提出了一种计算效率高、鲁棒性好的激光-惯性里程计框架。我们使用紧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，从而在快速运动、嘈杂或混乱的环境中实现鲁棒导航。为了在大量测量数据的情况下降低计算负荷，我们提出了一个新的计算卡尔曼增益的公式。新公式的计算量依赖于状态维数而不是测量维数。在各种室内和室外环境中对所提出的方法及其实现进行了测试。
fast lio2 添加回环模块的代码实现
三维点云技术探索
05-10 650
【代码】fast lio2 添加回环模块的代码实现。
探索FAST-LIO：高效、稳健的激光雷达-惯性里程计解决方案
gitblog_00672的博客
08-08 976
探索FAST-LIO：高效、稳健的激光雷达-惯性里程计解决方案 FAST_LIOA computationally efficient and robust LiDAR-inertial odometry (LIO) package项目地址:https://gitcode.com/gh_mirrors/fa/FAST_LIO 在自动驾驶和机器人导航领域，精确且实时的定位技术是实现自主移动的关键。...
FAST_LIO_LOCALIZATION 使用教程
qq_63034152的博客
02-28 2875
请注意，在初始化阶段，最好让机器人保持静止。或者如果你玩袋子，拳头玩袋子大约 0.5 秒，然后暂停袋子，直到初始化成功。从技术上讲，如果您之前已经构建并运行过 FAST-LIO，则可以跳过第 2.1 节。，以确保在单次扫描中有足够的点进行全局定位。可以使用 LIO-SAM 或 FAST-LIO-SLAM 构建地图。初始猜测也可以由RVIZ中的“2D姿态估计”工具提供。等待 3~5 秒，直到地图云出现在 RVIZ 中;请修改为您自己的地图点云文件路径。一个简单的本地化框架，可以在基于。的构建地图中重新定位。
fast_lio 的详细解析
weixin_41150257的博客
11-16 3205
FAST-LIO结合了激光雷达（LiDAR）和惯性测量单元（IMU）的数据，通过紧耦合的迭代扩展卡尔曼滤波器（EKF）实现高精度的位姿估计。该算法在快速运动、噪声或杂乱环境中表现出色，具有计算效率高和鲁棒性强的特点。
高翔博士Faster-LIO论文和算法解析
超爱吃小蛋糕的66的博客
01-08 6435
Faster-Lio是高翔博士在Fast系列的新作，对标基线是Fast-LIO2，核心是提出一种新的"数据结构"`ivox`，类似于Fast-LIO2中的`ikd-tree`，用于点云配准搜索和地图的增量更新。效果上整个LIO系统的用时相比Fast-LIO2有较大幅度的下降，精度上评估了每百米的APE和RPE，从结果上看有好有差。近年来的作品精度上似乎都大差不差，如LIO-SAM，FAST-LIO系列，更多的都是在卷实时性。
fast-lio2 velodyen
02-28
### Fast-LIO2与Velodyne激光雷达配置及使用教程 Fast-LIO2是一种基于LiDAR惯性里程计(LIO)的开源SLAM解决方案，专为高精度、低延迟的应用场景设计。该方案能够有效利用IMU和LiDAR的数据，在动态环境中提供稳定可靠的定位服务[^1]。 对于采用Velodyne系列激光雷达的产品而言，Fast-LIO2提供了良好的支持。具体来说： #### 1. 环境准备 确保安装了ROS（机器人操作系统），因为Fast-LIO2主要是在ROS环境下运行。同时还需要下载并编译fast_lio包以及相关依赖项。 #### 2. 数据同步设置 由于Fast-LIO2需要同时接收来自IMU和LiDAR的数据流，因此必须保证两者之间的时间戳严格对应。这通常涉及到调整驱动程序参数或将时间源统一到同一个参考点上[^2]。 #### 3. 参数调优指南 针对不同型号的Velodyne LiDAR（如VLP-16, HDL-32E等），可能需要微调某些关键参数来获得最佳性能表现。这些参数主要包括但不限于扫描频率、垂直角度范围等。此外，还需注意根据实际应用场景适当修改默认配置文件中的其他选项。 #### 4. 实际操作步骤说明 启动节点前应先确认所有硬件连接正常工作，并通过roslaunch命令加载预设好的launch文件。之后即可执行`rosrun fast_lio lio_node`开启核心功能模块。在此期间可以借助rviz工具可视化当前状态以便监控整个系统的运作情况。 ```bash source devel/setup.bash roslaunch fast_lio velodyne_lidar.launch rosrun fast_lio lio_node ``` #### 5. 后处理分析建议 完成一次完整的测试后，可以通过bag文件回放机制重播采集到的数据集，进一步验证算法效果并对可能出现的问题进行排查修正。
评论 3
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

飞同学

随时为您服务

¥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