以LeGO-LOAM算法为代表的回环检测就是使用ICP+欧式距离的方法来寻找到回环点。而以SC-LeGO-LOAM算法为代表的回环检测使用了scan context系列提取的全局特征子来进行查找,同时有些方法会在此基础上再加入ICP来提升回环检测后重定位的精度,方便图优化。这两种方法各有千...
从ScanContext和Lego LOAM两个部分进行分析阐述。一方面也是记录自己的学习成果,另一方面也是帮助他人一起熟悉这篇20年的经典文章。 LOAM系列发展 LOAM LOAM作为该系列的鼻祖,在前几年kitti数据集中常年霸占榜首,文中的作者所写的代码由于可读性不高,所以有很多人对代码进行了重构。 论文中作者目标是使用一个三维空间...
里程计部分改为scan2localmap的匹配,特征提取部分去除了原LeGO-LOAM中的聚、分割并提取较为突出的边缘点和平面点,而是沿用LOAM中的边缘和平面点。(精度高一些,LeGO-LOAM主要考虑性能多一点) 维护两个因子图,预积分因子图可联合优化激光雷达odom和IMU,并估计IMU偏差,进行实时的里程计估算,这里将雷达位姿作为预测,而...
data_odometry_velodyne下只有一个dataset文件夹 (1)dataset文件夹下包括poese 和 sequences两个文件夹 (2) (2) velodyne文件夹下面 velodyne放的是当前序号对应的.bin文件 calib.txt是相机和激光雷达之间的左边变换以及相机的内参(这个我只是在pubkittiData.cpp读了出来,并没有实际用到) time.txt是时间戳 SLAM系...
主要依赖ROS、Ceres(用于A-LOAM)和GTSAM(用于姿势图优化)。 实验 MulRan数据集 提供了激光雷达扫描点云( Ouster OS1-64,水平安装,10Hz)和消费者级gps(U-Blox EVK-7P,4Hz)数据。 KITTI (HDL-64 获取点云数据) 室内场景 数据保存和地图构建 支持每个关键帧的位姿和扫描点云数据的保存,使用这些保存的数据,可...
You can also use the LiDAR-only versions of this project:SC-LeGO-LOAMandSC-A-LOAM. Scan Context: A fast and robust place recognition Light-weight: a single header and cpp file named "Scancontext.h" and "Scancontext.cpp" Our module has KDtree and we usednanoflann. nanoflann is an also...
主要依赖ROS、Ceres(用于A-LOAM)和GTSAM(用于姿势图优化)。 实验 MulRan数据集 提供了激光雷达扫描点云( Ouster OS1-64,水平安装,10Hz)和消费者级gps(U-Blox EVK-7P,4Hz)数据。 KITTI (HDL-64 获取点云数据) 室内场景 数据保存和地图构建 支持每个关键帧的位姿和扫描点云数据的保存,使用这些保存的数据,可...