R3LIVE代码中用到了线程池,关于线程池可参考这篇。线程池主要解决频繁创建和销毁线程会过多占用系统资源的问题,R3LIVE主要在render的时候用到了线程池的特性。 LIO线程 相关变量 跟LIO相关的比较重要的变量是: g_lio_state:StatesGroup类型(在loam/include/common_lib.h中定义),保存了系统的状态,vio和lio都会...
1. 前言 我们先来看一下代码多少钱一两博主绘制的节点与话题的绘图。 我们可以看到在R3LIVE中,node节点还是很清晰的,只有/r3live_LiDAR_front_end和/r3live_mapping两个节点。 可以看到/r3live_LiDAR_front_end节点中只用到了雷达的相关信息...
我们从之前的博客《经典文献阅读之–R3LIVE》了解到,帧到帧的VIO是将三维地图点投影到上一个图像帧获取二维座标然后通过LK光流法获取到在当前帧的二维坐标,然后可以通过ESIKF计算误差更新状态(计算PNP,更新ESIKF) 而ESIKF更新VIO是通过最小化PNP误差更新的,对应了下面这部分代码 // Pnp求解,然后更新img_pose if ...
作者:Jiarong Lin and Fu Zhang 代码链接:https://github.com/hku-mars/r2live 简介:r2live,将fastlio2变成lio子系统,加入了vio子系统,在误差卡尔曼滤波器内部估计状态,并用因子图优化进一步提高整体精度。通俗点儿讲就是雷达和相机在不同环境中有各自的优势,在卡尔曼滤波框架下雷达场景不退化的用雷达,雷达不行...
代码:https://github.com/hku-mars/r3live 今天给大家分享一篇多传感融合定位的工作:R3live++。这是继R3live后的第二个版本。这项工作提出的激光雷达视觉惯性融合框架实现了鲁棒和准确的状态估计,同时实时重建光度地图。 系统由激光雷达惯性里程计 (LIO) 和视觉惯性里程计 (VIO) 组成,两者都是实时运行的。LIO子...
其中重点介绍第4个小组,360°无死角死磕《视觉SLAM十四讲》,不仅要搞清楚每个概念到底是什么意思,搞清楚每个公式是如何推导的,搞清楚每行代码的作用,还会对书中没有的内容进行扩展。录播的视频经过剪辑会提供给星球学员反复学习。总共27次,目前已经分享4次,欢迎围观!主要的分享内容如下,其中黄色背景表示书中没有,...
1、从零开始系统学习代码调试(10讲更新完毕) 2、从零开始系统学习G2O(8讲更新完毕) 3、从零开始系统学习Ceres solver(6讲更新完毕) 4、从零开始系统学习OpenCV(13讲更新完毕) 5、从零开始系统学习点云PCL(18讲更新完毕) 6、死磕视觉SLAM十四讲(22讲更新完毕) ...
向下滑动查看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的命令行调试基础第04讲-刘文涛-clion的gdb调试-多进程多线程调试第05讲-王爱博...
1、从零开始系统学习代码调试(10讲更新完毕) 2、从零开始系统学习G2O (8讲更新完毕) 3、从零开始系统学习Ceres solver(6讲更新完毕) 4、从零开始系统学习OpenCV(13讲更新完毕) 5、从零开始系统学习点云PCL (18讲更新完毕) 6、《死磕视觉SLAM十四讲》(正在更新) ...
代码链接:https://github.com/hku-mars/r2live简介:r2live,将fastlio2变成lio子系统,加入了vio子系统,在误差卡尔曼滤波器内部估计状态,并用因子图优化进一步提高整体精度。通俗点儿讲就是雷达和相机在不同环境中有各自的优势,在卡尔曼滤波框架下雷达场景不退化的用雷达,雷达不行上相机顶,实在不行上IMU顶。