上述几个参数定义了Velodyne-16线激光雷达的几个属性值,在后面的代码中会使用到。除了extern const int groundScanInd = 7;,其他的属性值可能比较好理解。 LeGO-LOAM 在检测地面点云时,并不是遍历所有scan(扫描线)的,因为雷达是水平放置,有一部分scan(扫描线)是射向天空的,框架里只取了贴近地面的七条scan(扫描...
velodyne_points"; extern const string imuTopic = "/imu/data"; // Save pcd // extern const string fileDirectory = "/home/vincent/learning_node/slam/LeGO-LOAM/output/"; extern const string fileDirectory = "/tmp/"; // 使用 velodyne cloud“ring”通道进行图像投影,可直接给出范围图像中的点...
如果我们深层次的去思考的话,会发现BFS起到了在Rang Map 上的聚类,这样聚类出来的点云,要么同类簇点云,要么只是深度距离值存在明显差异的点云;然后再进一步使用角度阈值分离出在深度距离上存在明显差异的不同类点云;最后,对点云起到了一个很好的聚类分割效果。 LeGO-LOAM源码实现地表点云聚类分割 点云分割的主要...
intmain(intargc,char** argv){ros::init(argc, argv,"lego_loam");ROS_INFO("\033[1;32m--->\033[0m Map Optimization Started.");mapOptimization MO;// 1.进行闭环检测与闭环的功能std::threadloopthread(&mapOptimization::loopClosur...
上述几个参数定义了Velodyne-16线激光雷达的几个属性值,在后面的代码中会使用到。除了extern const int groundScanInd = 7;,其他的属性值可能比较好理解。 LeGO-LOAM 在检测地面点云时,并不是遍历所有scan(扫描线)的,因为雷达是水平放置,有一部分scan(扫描线)是射向天空的,框架里只取了贴近地面的七条scan(扫描...
LeGO-LOAM的软件框架分为五个部分: 分割聚类:这部分主要操作是分离出地面点云;同时,对剩下的点云进行聚类,剔除噪声(数量较少的点云簇,被标记为噪声); 特征提取:对分割后的点云(排除地面点云部分)进行边缘点和面点特征提取; Lidar里程计:在连续帧之间(边缘点和面点)进行特征匹配找到连续帧之间的位姿变换矩阵; ...
上述几个参数定义了Velodyne-16线激光雷达的几个属性值,在后面的代码中会使用到。除了 extern const int groundScanInd = 7; ,其他的属性值可能比较好理解。 LeGO-LOAM 在检测地面点云时,并不是遍历所有scan(扫描线)的,因为雷达是水平放置,有一部分scan(扫描线)是射向天空的,框架里只取了贴近地面的七条scan(...
LeGO-LOAM的代码中,基于BFS的点云距离分割代码在imageProjection.cpp中。 在cloudHandler函数中,调用了cloudSegmentation函数 voidcloudHandler(constsensor_msgs::PointCloud2ConstPtr&laserCloudMsg){// 1. Convert ros message to pcl point cloudcopyPointCloud(laserCloudMsg);// 2. Start and end angle of a ...
LeGO-LOAM的设计思路 对地面点云的配准主要使用的是面点特征;在分割后的点云配准主要使用的是边缘点和面点特征。从中可以看出使用边缘点的数量是要远小于平面点的数量,这也是能实现加速的主要原因。 LeGO_LOAM的软件系统输入 3D Lidar 的点云,输出 6 DOF 的位姿估计。整个软件系统分为 5 个部分: ...
LeGO-LOAM的设计思路 对地面点云的配准主要使用的是面点特征;在分割后的点云配准主要使用的是边缘点和面点特征。从中可以看出使用边缘点的数量是要远小于平面点的数量,这也是能实现加速的主要原因。 LeGO_LOAM的软件系统输入 3D Lidar 的点云,输出 6 DOF 的位姿估计。整个软件系统分为 5 个部分: ...