图1 Maplab2.0:一个灵活且通用的多机器人和多模态SLAM框架。可以集成多个机器人(彩色线)、视觉地图点(彩色点)和 LiDAR扫描(黑色点)。 主要功能 (1)开源的、多模态和多机器人SLAM框架,与其他现有方法相比,该框架允许集成和融合大量不同的数据。 (2)一个在线协作建图系统,它利用子地图和中央服务器来合并和分发...
相反,本文系统maplab2.0允许容易地集成不同的传感器配置、视觉特征并且支持任意的里程计输入,这促进其在异构机器人上的使用,并且提供一种新级别的灵活性。 Kimera是一个多模态建图框架,它提供带有语义标注的局部和全局三维网格以及基于视觉-惯性SLAM估计的全局轨迹。与maplab2.0不同,Kimera不具有多段建图功能,并且带有...
本文提出一种研究平台用于多模态和多机器人建图,它支持在线和离线的地图处理。本文展示maplab2.0在大规模SLAM基准和多个实验使用案例上最先进的性能。本文提出的建图框架的灵活性和模块化设计促进了在各种机器人应用中的研究,并且在学术界和工业界产生重要的影响。用于复现实验的代码和教程可以在仓库的wiki中找到。
图1 Maplab2.0:一个灵活且通用的多机器人和多模态SLAM框架。可以集成多个机器人(彩色线)、视觉地图点(彩色点)和 LiDAR扫描(黑色点)。 主要功能 (1)开源的、多模态和多机器人SLAM框架,与其他现有方法相比,该框架允许集成和融合大量不同的数据。 (2)一个在线协作建图系统,它利用子地图和中央服务器来合并和分发...
2)基于TSDF的深度融合:一旦VI地图包含深度信息,例如使用上述命令或者RGB-D传感器来获取,VI地图的全局一致的相机位姿能够被用于创建一个同样一致的全局三维重建。为此,maplab使用voxblox(一个容积建图库)用于基于TSDF的深度融合和表面重建。如下的命令将深度地图或者点云数据插入到一个voxblox网格,并且将表面网格存储到文件...
maplab框架 从用户角度出发,框架由两个主要的部分组成: i)在线VIO和定位前端ROVIOLI,它接收原始的视觉-惯性传感器数据。它输出(全局)位姿估计,并且能够被用于构建视觉-惯性地图。 ii)(离线)maplab控制台,它让用户以离线批量方式在地图上应用各种算法。其还能作为一个研究实验平台用于测试运行视觉-惯性数据的新算法。