1、参考平台在Fast-LIO中，作者使用了一个搭载了Livox-Avia的无人机平台进行数据采集，如下图所示：其中除了雷达外，还搭载了一个FPV相机，用于录制第一人称视角的视频。飞控选用的是常见的Pixhawk4-mini；机载电脑选用的是大疆妙算2（现在好像停产了）。整个无人机轴距260mm*270mm，属于轻小型无人机。注意：雷达需要安装在无人机的前部，保证雷达视场不被遮挡。该无人机似乎没有安装脚架，保证了Avia的全视角，但降落似乎是个问题，并且没有安装GPS模块，应该是仅通过遥控器操作进行数据采集。2、已有设备根据参考平台设计，我们现在已有雷达、机载电脑、飞控等模块。3、Avia连接
Ubuntu20.04下运行LOAM系列：A-LOAM、LeGO-LOAM、LIO-SAM和LVI-SAM文章目录Ubuntu20.04下运行LOAM系列：A-LOAM、LeGO-LOAM、LIO-SAM和LVI-SAM一、安装A-LOAM1.1安装Ceres1.2修改功能包1.2.1修改CMakeLists.txt1.2.2修改源码1.3编译A-LOAM1.4运行A_LOAM示例并保存地图1.5运行KITTI数据集二、安装LeGO-LOAM2.1安装gtsam2.2修改CMakeLists.txt2.3修改源码2.4编译LeGO-LOAM2.5运行LeGO-LOAM三、安装SC-LeGO-L
在自己小车上部署LIO-SAM和LVI-SAM，简单记录一下经历，经历了十多天的终于将LIO-SAM和LVI-SAM两个算法的实测工作基本完成，期间遇到了一些问题，尤其是自己的设备上，遇到的运行问题网上也很少见，也很少有从算法的编译到实测部署全过程，因此自己的经历在此记录，也是帮助自己进行梳理，有不正确的地方还请大佬们批评指正，进行讨论交流！！一、LIO-SAM与LVI-SAM论文与源码地址LIO-SAM与LVI-SAM这里不做过多介绍，直接给出论文与源码地址！LIO-SAM论文链接：LIhttps://github.com/TixiaoShan/LIO-SAM/blob/master/con
本文为我在浙江省北大信研院-智能计算中心-情感智能机器人实验室-科技委员会所做的一个分享汇报，现在我把它搬运到博客中。由于参与分享汇报的同事有许多是做其他方向的机器人工程师（包括硬件、控制等各方面并不是专门做SLAM的工程师），加上汇报的内容较多，因此在分享中我尽量使用简介的口语，而不出现复杂的公式。所以本文面向的是3D-slam方向的初学者，不涉及到源码解析。内容在整理中参考了许多链接，将放在最后。在文章结束后，我会把原PPT放在最后面，需要者自取。另外打个广告，在slam方向或者强化学习导航方向有实习意愿的，请发送简历至zkyy828@163.com，谢谢。内容比较多，放一个目录，感兴趣的
LIO-SAM从0到1运行自己的数据集前言笔者在学习LIO_SAM时踩了不少坑，在此记录从开始到最后整个踩坑过程。文中参考了很多大佬的文章，我只是个搬运工。可以直接跳到第二部分从0到1实现有疑问可以随时联系我，欢迎交流。一.LIO-SAM简单介绍（这一部分可以不看哦，干货在第二部分）⼀种激光惯导紧耦合的SLAM框架，可在室内和室外实现效果不错的建图。(1)ImageProjection激光运动畸变校正功能简介1、利用当前激光帧起止时刻间的imu数据计算旋转增量，IMU里程计数据（来自ImuPreintegration）计算平移增量，进而对该帧激光每一时刻的激光点进行运动畸变校正（利用相对于激
FAST_LIO_SAMFront_end:fastlio2Back_end:lio_samVideos:FAST-LIO-SAMBilibili_linkSourcecode:FAST_LIO_SAMRelatedworked1.FAST-LIO2为紧耦合的lioslam系统，因其缺乏前端，所以缺少全局一致性，参考lio_sam的后端部分，接入GTSAM进行后端优化。2.FAST_LIO_SLAM的作者kim在FAST-LIO2的基础上，添加SC-PGO模块，通过加入ScanContext全局描述子，进行回环修正,SC-PGO模块与FAST-LIO2解耦，非常方便，很优秀的工作。3.FAST
笔记本：ThinkPadT430激光雷达型号：LivoxMid-40 IMU型号：HIPNUCCH100相机型号：全瑞视讯QR-USB3D-1MP02一、固定各传感器 此处采用给防水盒打孔，固定传感器的方法，如下图。二、标定各传感器1.相机内参标定 此处，由于我使用的相机是双目相机，且它的输出图像是两幅图像合成之后的一张图，所以我参考分割双目摄像头同步帧的图像,校正为使用做好准备._大志的博客-CSDN博客_双目图像同步，对输出图像进行分割并发布新的ROStopic。mkdir-p~/cv_ws/srccd~/cv_ws/srccatkin_init_workspacecd
将之前无人机上的x86多源数据采集和联合标定算法重建在新板子jetsonorin上，解决之前多传感器采集数据时间戳没对齐的问题。1.准备工作安装ros环境，推荐小鱼：http://fishros.com/#/fish_home，大佬的包避免了自己安装的很多坑；安装livoxsdk:https://github.com/Livox-SDK/Livox-SDK；安装云台相机sdk:https://wiki.amovlab.com/public/gimbalwiki/G1/doc/AmovGimbalROSSDK.html；控制云台相机固定角度，matlab获得云台相机标定内参；安装激光+相机联合标
项目场景：因为单个Livoxavia的FOV只有70°，无法覆盖车前方的所有范围，所以用了三个Livoxavia以实现180°前方位覆盖。但由于三个雷达均是独自采集，所以需要对每个雷达采集的各帧点云进行合并，用于建图。以下工作均建立于已经知道各雷达之间的外参。问题描述由于Fast-LIO输入的是Livox自定义的Msg，所以需要先订阅每个雷达的topic，将其格式转换成PointCloud2格式，在该格式下对三个雷达的点云进行拼接，最后将拼接后的点云转回Livox自定义的CustomMsg即可输入给Fast-LIO，代码如下所示#include#include#include#include#
前言Livoxmid360需要使用Livox-SDK2，而非Livox-SDK，以及对应的livox_ros_driver2。并需要修改FAST_LIO中部分代码。1.安装Livox-SDK2参考官方教程。1.1.安装CMakesudoaptinstallcmake1.2.安装编译Livox-SDK2gitclonehttps://github.com/Livox-SDK/Livox-SDK2.gitcd./Livox-SDK2/mkdirbuild&&cdbuildcmake..&&make-jsudomakeinstall注：Livox-SDK2可以下载在任何位置并编译安装。2.编译FAS
