建图导航 - 古月居

【PX4 教程（三）】无人机搭载 Livox 激光雷达使用 FAST-LIO 建图

上篇【PX4 教程（二）】介绍了如何在 Gazebo 仿真中给 PX4 无人机添加 Livox 激光雷达，这篇博客详细介绍如何使用 FAST-LIO 对采集到的点云进行建图。简介 Livox激光雷达使用FAST-LIO算法是一个先进的技术组合，用于实现高效和精确的同时定位与地图构建（SLAM）。以下是关于Livox激光雷达和FAST-LIO算法结合使用的详细介绍： Livox 激光雷达技

ROS 点云激光雷达激光SLAM

宇宙爆肝锦标赛冠军
5 小时前
18 0 0
代码浅析DLIO(三)---子图构建

0. 简介我们刚刚了解过DLIO的整个流程，我们发现相比于Point-LIO而言，这个方法更适合我们去学习理解，同时官方给出的结果来看DLIO的结果明显好于现在的主流方法，当然指的一提的是，这个DLIO是必须需要六轴IMU的，所以如果没有IMU的画，那只有DLO可以使用了。 1. computeMetrics、computeSpaciousness、computeSpaciousness—计算

dlio

敢敢のwings
8 小时前
14 0 0
精选代码浅析DLIO(二)---预积分与单点去畸变

0. 简介我们刚刚了解过DLIO的整个流程，我们发现相比于Point-LIO而言，这个方法更适合我们去学习理解，同时官方给出的结果来看DLIO的结果明显好于现在的主流方法，当然指的一提的是，这个DLIO是必须需要六轴IMU的，所以如果没有IMU的画，那只有DLO可以使用了。 1. initializeDLIO—初始化参数这段代码非常简单，主要作用是等待IMU数据的接收和校准，如果条件不满足则

dlio

敢敢のwings
1 天前
111 0 0
在gazebo里搭建一个livox mid360 + 惯导仿真平台测试 FAST-LIO2

前言 livox mid360 在官网一直没有货，在gazebo里可以仿真该雷达形式的点云（前面的博客介绍了如何在gazebo中实现对livox各型号雷达的仿真）。但是其只发布雷达的数据，没有imu数据，实际的雷达是可以发布既有雷达也有imu的数据的运行 FAST-LIO2 也需要雷达和惯导的数据本篇博客在gazebo中搭建了一个有livox mid360 和惯导的平台，并成功运行了FAST

gazebo 激光SLAM FAST-LIO2 livox mid360

月照银海似蛟龙
1 天前
37 0 0
精选通过gazebo对 livox mid360 激光雷达进行仿真

通过gazebo对 livox mid360 激光雷达进行仿真 livox 介绍览沃科技有限公司（Livox）成立于2016年。为了革新激光雷达行业，Livox致力于提供高性能、低成本的激光雷达传感器。通过降低使用门槛和生产成本，Livox将激光雷达技术集成到更多产品和应用之中，从而为自动驾驶、智慧城市、测绘、移动机器人等行业带来创新性改变。Livox产品已销往包括美国、加拿大、中国、日本和欧盟

gazebo 激光雷达激光SLAM Livox mid360

月照银海似蛟龙
4 天前
104 0 0
精选ROS功能包 | 雷达与惯导标定：Lidar_IMU_Init

LI-Init是一种鲁棒、实时的激光雷达惯性系统初始化方法。该方法可校准激光雷达与IMU之间的时间偏移量和外部参数，以及重力矢量和IMU偏差。我们的方法不需要任何目标或额外的传感器，特定的结构化环境，先前的环境点图或初始值的外在和时间偏移。功能包安装需要环境要求：Ubuntu >= 18.04.ROS >= MelodicPCL >= 1.8Eigen >= 3.3.4

激光SLAM 传感器标定

月照银海似蛟龙
6 天前
135 0 0
SLAM++ 增量式BA优化库

incSLAM++是3DV 2017最佳论文，源文件网址 https://sourceforge.net/p/slam-plus-plus/wiki/Home/ incSLAM++有两个创新点：一是增量式Schur补更新。如果delta更新是稀疏的，则采用增量式Schur补来求解非线性最小二乘问题，即增量式BA问题，会缩短计算时间。求解不同关键帧之间的位姿和每帧上的点即求解增量式BA（解不

ROS 算法视觉SLAM BA优化

大江东去浪淘尽千古风流人物
6 天前
93 0 0
精选经典文献阅读之--Online Map Vectorization for Autonomous Driving:(基于栅格化的在线地图矢量化)

0. 简介自动驾驶中的高精地图对于车辆的定位而言是非常重要的，一般来说高精地图需要耗费大量的时间完成。而随着深度学习的发展，使用深度学习来完成地图的矢量化是非常有用的一个操作。矢量化高精度（HD）地图对于自动驾驶而言至关重要，其为高级感知和规划提供了详细且精确的环境信息。然而，当前的地图矢量化方法经常出现偏差，并且现有的地图矢量化评估指标缺乏足够的灵敏度来检测这些偏差。为了解决这些限制，《On

栅格地图

敢敢のwings
2023-11-16 10:54
373 0 0
精选经典文献阅读之--Fast and Robust Ground Surface Estimation...(均匀B样条采样快速估计地平面)

0. 简介对于激光雷达的地面估计分割，目前其实有很多方法做了快速并鲁棒的分割，比如说我们之前写的一篇《经典文献阅读之—FEC》一文中就给出了快速分割的方案，当中第一步就是需要对地面进行分割。而我们这次看的是一篇使用均匀B样条的方法来从LiDAR数据中快速且鲁棒地估计地平面的方法。《Fast and Robust Ground Surface Estimation from LIDAR Measu

地面估计

敢敢のwings
2023-11-13 09:37
516 0 0
精选速腾Helios-16P使用Lego-loam实时构建点云地图（四）——使用速腾Helios-16P雷达录bag包并通过lego-loam离线建图

步骤一：连接硬件步骤二：设置电脑IP 步骤三：运行雷达 cd RS_Helios_16P_ws source devel/setup.bash roslaunch rslidar_sdk start.launch 步骤四：查看话题 rostopic list 步骤五：开始录包（这一步是把所有的话题都填上还是只填一个velodyne_points，我这个门外汉也不清楚，只录velodyne_

SLAM ubuntu 自主导航 loam 速腾雷达

✘触不可及
2023-11-09 09:59
167 0 0
精选ROS Motion Planning运动规划库安装方法及进阶使用方法详细介绍

今天偶然发现了一个优质的运动规划库：ai-winter/ros_motion_planning，比较适合从事ROS移动机器人运动规划研究领域的小伙伴学习和使用，相比于莱斯大学Kavraki实验室提供的开源的著名运动规划库OMPL、或着我之前介绍过的zhm-real开源的zhm-real/MotionPlanning和zhm-real/PathPlanning运动规划库，今天介

ROS 路径规划自主导航小车自动避障运动规划库

慕羽★
2023-11-07 14:02
354 0 0
精选深入分析常规ROS机器人如何使用Navigation导航包实现实时定位

本篇文章主要分析，常规的ROS机器人是如何使用Navigation导航包实现实时定位的，定位精度的决定性因素等内容，结构上分为详细介绍、概括总结、深入思考三大部分。 - 一、详细介绍 - 常规的ROS机器人一般都会搭载，轮式里程计（编码器），姿态传感器（IMU）、激光雷达等感知传感器。

amcl navigation 定位 EKF 粒子滤波

慕羽★
2023-11-03 09:39
367 0 1
精选经典文献阅读之--DLIO(基于连续时间运动校正的轻量级激光雷达惯性导航系统)

0. 简介一般来说，当系统经过不规则的地形时候，机器人自身会存在激烈运动会导致激光雷达扫描中的运动畸变，从而可能降低状态估计和建图的精度。虽然已经有一些方法用于缓解这种影响，但它们仍然过于简单或计算成本过高，难以应用于资源受限的移动机器人。之前这个团队开发了《经典文献阅读之—DLO》这套方法。该团队在23年又提出了《Direct LiDAR-Inertial Odometry: Lightwei

dlio

敢敢のwings
2023-11-02 13:53
731 0 0
ROS中MPC局部路径规划器使用方法及源码流程解读

本文主要介绍ROS中Navigation导航框架中MPC局部路径规划器mpc_local_planner的使用方法，并对源码进行解读，梳理其规划流程等，具体包含MPC模型预测控制算法简介、mpc_local_planner使用方法、mpc_local_planner源码解读与规划流程梳理三部分内容。 - 一、MPC模型预测控制算法简介 -

navigation 轨迹规划路径规划算法 MPC 局部路径规划器

慕羽★
2023-11-02 10:12
399 0 1
精选经典文献阅读之--RLAD(城市环境中自动驾驶从像素进行强化学习)

0. 简介强化学习在自动驾驶中的应用已经日渐普及，虽然由于一些伦理问题，目前真正的使用这种强化学习的还不是很多，但是目前已经有很多应用在自动驾驶中的强化学习的工作，但是我们发现这类方法基本都是将卷积编码器与策略网络一起训练，然而，这种范式将导致环境表示与下游任务不一致，从而可能导致次优的性能。而《RLAD: Reinforcement Learning from Pixels for Auton

强化学习

敢敢のwings
2023-11-01 13:58
704 0 0
精选代码浅析DLIO(一)---整体框架梳理

0. 简介我们刚刚了解过DLIO的整个流程，我们发现相比于Point-LIO而言，这个方法更适合我们去学习理解，同时官方给出的结果来看DLIO的结果明显好于现在的主流方法，当然指的一提的是，这个DLIO是必须需要六轴IMU的，所以如果没有IMU的画，那只有DLO可以使用了。 1. OdomNode—DLIO构造函数 OdomNode是一个ROS节点的构造函数，主要用于初始化节点的参数、订阅和发

dlio

敢敢のwings
2023-10-30 09:45
1066 0 0
精选VINS学习01——VINS_Fusion官方教程翻译解读

INS学习01——VINS_Fusion官方教程翻译解读我爱编程皮肤好好已于 2022-12-05 17:32:59 修改 1616收藏 21分类专栏：相机SLAM 文章标签：学习版权相机SLAM专栏收录该内容4 篇文章3 订阅订阅专栏1.简介VINS_Fusion 是一个基于优化的多传感器融合定位算法，由港科大开源，在VINS_Mono基础上改进。融合传感器包括：IMU，双目相

视觉SLAM 数据集 vins 教程解读

我爱编程皮肤好好
2023-10-21 09:20
245 0 0
精选thrust工程化学习(七)----噪声滤除进阶版

0. 简介之前我们讲过通过体素化分割，并通过判断这个栅格内的点云数目是否大于阈值。从而来鉴别出噪点。而我们学过最近邻搜索后，我们可以来学习一下更加先进的方法—-半径搜索噪声滤除（Radius Search Noise Filtering）。这是点云处理中一种常见的算法，其基本思想是对每一个点周围的点进行半径搜索，如果搜索到的点数小于设定的阈值，那么就认为该点是噪声点，将其删除。 1. CUDA与

thrust

敢敢のwings
2023-10-20 10:52
576 0 0
精选VINS学习02——VINS系列代码所有依赖库安装（保姆级）

0.简介在学习视觉SLAM过程中，先后用了VINS_mono,VINS_Fusion,Omni_swarm,因为是第一次做视觉相关定位，所以大部分库都是第一次装，中间还从虚拟机换到双系统，意识到记录的重要行性，所以在此记录安装相关依赖库的教程。环境： Ubuntu18.04 eigenceres3.Opencvcv_bridgeVINS_Mono/Fusion测试 1.Eigen在安装Eige

SLAM openCV vins Ceres 依赖库

我爱编程皮肤好好
2023-10-20 09:23
235 0 0
精选四足机器人雷达-视觉导航6：测试DLO雷达直接惯性里程计

1 安装部署在之前测试了FastLio并在样机上进行了部署华北舵狗王：四足机器人雷达-视觉导航4：测试FAST-LIO-LC，这边测试另外一个雷达惯性里程计项目DLO文。其提出了一种轻量前端激光雷达里程计解决方案，用于在计算能力受限的机器人平台上，具有快速和精确的定位能力，我们的直接激光雷达里程计（DLO）方法包括几个关键的算法上的创新，这些创新优先考虑计算效率，并使用稠密的、预处理最少的点云实时

四足机器人 dlo 雷达视觉导航安装部署

华北舵狗王
2023-10-20 09:19
244 0 0

1
2
3
4
5
...
31
下一页

想获取更多信息和操作，请移步电脑网页版