https://github.com/electech6/LVI-SAM_detailed_comments 在为期半年的时间里,我们学习小组为提升自己和帮助他人,从阅读paper开始,对源代码做了详细的中文注释;为统一环境,调试代码,做了docker镜像;为LVI-SAM算法录制了校园数数据集。我们每一次分享均做了视频记录,都可以在cvlife.net上找到。 第01讲-荆黎明-LVI...
激光雷达+IMU:LIO-Mapping,LIO-SAM 相机+IMU:VINS 相机+激光雷达:V-LOAM 相机+激光雷达+IMU:LVI-SAM
lvi-sam解读lvi-sam解读 LVI-SAM构建在因子图之上,并且由两个子系统组成:一个视觉惯导系统和一个激光惯导系统。这两个子系统利用紧耦合的方法,视觉惯导的系统利用激光惯导的估计来做初始化,视觉惯导系统利用激光雷达的测量给视觉特征提供深度来提升精度,同时激光惯导系统利用视觉惯导的估计值作为初值来做帧的匹配。
LINS的平移误差积累最小,LVI-SAM的角度误差积累最小。(从实际的数据来看,两者效果是非常接近的,换组数据可能效果就不一样了。) C. Handheld Dataset 数据依然是人手持采集得到的,而且包含了空旷的棒球场。 由于存在环境的退化,基于激光的方法全部失效,LVI-SAM在有没有回环的情况下全部获得了有意义的输出,相比于VI...
LVI-SAM，Tixiao Shan大神的又一力作，由LIS（激光惯性里程计）和VIS（视觉惯性里程计）两个独立子系统组成。基于激光的方法远距离环境细节清晰，但在结构化较弱环境中容易失准。视觉方法则擅长位置识别，尤其在纹理丰富的场景中表现出色，但对光照变化、剧烈运动和初始化敏感。文章主要贡献在于提出基于因子...
7、《多传感器融合LVI-SAM 快速入门》(13讲更新完毕) 8、《多传感器融合R3LIVE 快速入门》(7讲更新完毕) 9、《视觉稠密SLAM-TANDEM 快速入门》(4讲更新完毕) 部分具体内容如下 向下滑动查看1、从零开始系统学习代码调试(更新完毕)第...
7、《多传感器融合LVI-SAM 快速入门》(13讲更新完毕) 8、《多传感器融合R3LIVE 快速入门》(7讲更新完毕) 9、《视觉稠密SLAM-TANDEM 快速入门》(4讲更新完毕) 部分具体内容如下 1、从零开始系统学习代码调试(更新完毕) 第01讲-孟新宇-CLion快捷键及基础调试方法 ...
链接:教学视频更新 | 死磕视觉SLAM十四讲、多传感器融合LVI-SAM/R3LIVE、稠密视觉重建TANDEM等 1、从零开始系统学习代码调试(更新完毕) 第01讲-孟新宇-CLion快捷键及基础调试方法 第02讲-王瑞凯-VSCode简介及基础调试方法 第03讲-李博文-gdb的命令行调试基础 ...
https://github.com/electech6/LVI-SAM_detailed_comments 在为期半年的时间里,我们学习小组为提升自己和帮助他人,从阅读paper开始,对源代码做了详细的中文注释;为统一环境,调试代码,做了docker镜像;为LVI-SAM算法录制了校园数数据集。我们每一次分享均做了视频记录,都可以在cvlife.net上找到。
7、《多传感器融合LVI-SAM 快速入门》(13讲更新完毕) 8、《多传感器融合R3LIVE 快速入门》(7讲更新完毕) 9、《视觉稠密SLAM-TANDEM 快速入门》(4讲更新完毕) 部分具体内容如下 1、从零开始系统学习代码调试(更新完毕) 第01讲-孟新宇-CLion快捷键及基础调试方法 ...