运行FasterLIO,然后退出的时候 会在终端打印FPS和time 像下面这样: I021617:16:05.28653626492run_mapping_offline.cc:89] Faster LIO average FPS:1884.6I021617:16:05.28654926492run_mapping_offline.cc:91] save trajectory to: ./src/fast_li
[100%] Building CXX object faster-lio/app/CMakeFiles/run_mapping_online.dir/run_mapping_online.cc.o [100%] Building CXX object faster-lio/app/CMakeFiles/run_mapping_offline.dir/run_mapping_offline.cc.o [100%] Linking CXX executable /home/jk-jone/jone_ws/devel/lib/faster_lio/run_mappin...
本部分对faster-lio中与iVox相关的代码进行解析,我们采用剥洋葱的方式、由外及里层层解读源码。(以下所有贴出来的源码都只保留了与iVox相关的部分,以便抓住重点) 4.1 顶层类LaserMapping 稍微看过faster-lio 源码的都知道,其中负责SLAM的顶层类叫做LaserMapping,该类中有一个成员变量ivox_,正是我们关心的iVox的实体。
S-FAST_LIO源码 解读 解读2 激光SLAM Faster-LIOFAST-LIO2的改进点主要在第一个版本上增加了ikd-tree和去除了特征匹配,采用直接匹配的方式构建残差。直接将原始点注册到地图上然后更新地图,而不提取特征。这样可…
本文提出了一种基于增量体素的激光雷达惯导里程计(LIO)方法,用于快速跟踪旋转和固态激光雷达扫描点云,为了获得较高的跟踪速度,我们既不使用复杂的基于树的结构来划分空间点云,也不使用严格的k近邻(k-NN)查询来计算点匹配。相反,我们使用增量体素(iVox)作为我们的点云空间数据结构,它是从传统体素修改而来的,支持增量...
Faster-LIO的配置文件通常位于config目录下,如avia.yaml或velodyne.yaml等。你需要根据实际使用的雷达和IMU设备,配置相应的参数文件。 例如,如果你使用的是Livox MID-360雷达,你可能需要创建一个类似mid360.yaml的配置文件,并配置以下内容: yaml common: lid_topic: "/livox/lidar" imu_topic: "/livox/imu" time...
最新开源Faster-LIO:快速激光IMU里程计 摘要 本文提出了一种基于增量体素的激光雷达惯导里程计(LIO)方法,用于快速跟踪旋转和固态激光雷达扫描点云,为了获得较高的跟踪速度,我们既不使用复杂的基于树的结构来划分空间点云,也不使用严格的k近邻(k-NN)查询来计算点匹配。相反,我们使用增量体素(iVox)作为我们的点云...
该论文主要对激光雷达算法进行了深入探讨,智行者提出了一种基于iVox(incremental voxels)的算法,以快速跟踪旋转的激光雷达-惯性里程计(LIO)方法固态激光雷达扫描。在该算法中,智行者定位团队使用iVox作为点云空间数据结构,即从传统的体素修改,支持增量插入和并行近似k-NN查询。该算法可以有效的降低点云配准时的耗时,也...
Faster-Lio的源码解析显示，核心在于IVox类，其中grids_map_和grids_cache_是关键数据结构。AddPoints()负责增量点的添加，通过哈希查找确保高效，而GetClosestPoint()则通过kNN搜索找到最近邻。尽管论文与代码存在一些差异，如体素过时删除策略，但整体上，iVox的设计思路清晰，哈希表和空间组织策略的结合使得...
代码:https:///gaoxiang12/faster-lio.git 摘要 本文提出了一种基于增量体素的激光雷达惯导里程计(LIO)方法,用于快速跟踪旋转和固态激光雷达扫描点云,为了获得较高的跟踪速度,我们既不使用复杂的基于树的结构来划分空间点云,也不使用严格的k近邻(k-NN)查询来计算点匹配。相反,我们使用增量体素(i...