首先,Cartographer3D用IMU确定重力方向,让要匹配的点云的Z轴方向和重力方向对齐。(Cartographer3D必须使用IMU) 这样之后就无需搜索roll和pitch两个方向的旋转,仅暴力搜索沿z轴旋转的yaw角方向即可。这样暴力匹配的范围,就从x,y,z,roll,pitch,yaw 六个维度降为x,y,z,yaw四个维度。 相比2Dslam是把点云投影到地图...
LioSAM是我认为比较好的一个框架,其最大的亮点在于考虑了Imu的位姿估计结果,也就是Imu预积分。前述的框架中Imu的作用会用于运动补偿,但LioSAM中Imu还完成了一个里程计的作用。其充分利用了Imu数据的特性,将系统的各个状态估计量做到最优。 while(!imuQueOpt.empty()){// pop and integrate imu data that is...
其中IMU传感器的安装坐标系,如上图所示,但是在lego-loam系统接收的IMU数据的坐标方向,是与laser方向一致的,也即需要将获取到的数据,进行一定处理之后,以ros消息格式发布出来,输入到lego-loam系统中。 2. IMU数据处理 步骤1:去除重力加速度: 计算重力在各轴的加速度,设重力在当前IMU坐标下的分量为: 重力在世界坐标...
而LOAM对Lidar的安装方式没有要求,即使手持都没有关系。 作者的实验平台是一个移动小车(UGA),挂载了一个Velodyne VLP-16 线激光雷达,还配有一个低精度的 IMU;选用的硬件平台是 Nvidia Jetson TX2(ARM Cortex-A57 CPU);整体负载是 20Kg;移动速度为:2.0m/s;测试场景为:地面不平(比较颠簸)的草地。 图1 硬件...
而LOAM对Lidar的安装方式没有要求,即使手持都没有关系。 作者的实验平台是一个移动小车(UGA),挂载了一个Velodyne VLP-16 线激光雷达,还配有一个低精度的 IMU;选用的硬件平台是 Nvidia Jetson TX2(ARM Cortex-A57 CPU);整体负载是 20Kg;移动速度为:2.0m/s;测试场景为:地面不平(比较颠簸)的草地。
作者的实验平台是一个移动小车(UGA),挂载了一个Velodyne VLP-16 线激光雷达,还配有一个低精度的 IMU;选用的硬件平台是 Nvidia Jetson TX2(ARM Cortex-A57 CPU);整体负载是 20Kg;移动速度为:2.0m/s;测试场景为:地面不平(比较颠簸)的草地。 图1 硬件平台 ...
实现了LOAM开源代码,并做了部分优化LeGO-LOAM2018Tixiao Shan与IMU是松耦合LlOM2019Haoyang Ye与IMU是紧耦合LIO-SAM2020Tixiao ShanLeGO-LOAM升级版,与IMU紧耦合 LeGo-Loam是基于ros系统框架的3D激光slam开源代码。代码简洁,其中大量计算都是手动推导出来,依赖库相对较少,主要依赖gtsam进行后端因子图优化。其中在前端里程...
使用的UGV是Clearpath Jackal,锂电池供电,最大速度为2.0米/秒,最大有效载荷为20千克,集成低成本惯性测量单元(IMU),型号为CH Robotics UM6 如下图所示 计算单元 计算单元进行验证的有两个 1 嵌入式计算设备 Nvidia Jetson TX2,Jetson TX2是一款嵌入式计算设备,配备ARM C...
LeGO-LOAM 2018 Tixiao Shan 与IMU是松耦合 LlOM 2019 Haoyang Ye 与IMU是紧耦合 LIO-SAM 2020 Tixiao Shan LeGO-LOAM升级版,与IMU紧耦合 LeGo-Loam是基于ros系统框架的3D激光slam开源代码。代码简洁,其中大量计算都是手动推导出来,依赖库相对较少,主要依赖gtsam进行后端因子图优化。其中在前端里程计计算中,通过地...