R3LIVE论文阅读

原创 已于 2022-05-09 15:20:56 修改 · 894 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#自动驾驶 #计算机视觉 #算法

于 2022-05-09 15:07:54 首次发布

R3LIVE: A Robust, Real-time, RGB-colored, LiDAR-Inertial-Visual tightly-coupled state Estimation and mapping package
作者：Jiarong Lin and Fu Zhang（香港大学)
视频：视频链接
开源代码：代码
论文地址：论文原文

文章概述

R3LIVE 是一个面向各种应用的多功能系统，不仅可以作为实时机器人应用的SLAM系统，还可以为测绘等应用重建稠密的、精确的RGB色彩3D地图。开发了一系列用于重建和纹理化网格的离线实用程序。
R3LIVE 包含两个子系统：
LIO激光雷达-惯性里程计系统（FAST-LIO）：利用LiDAR和惯性传感器的测量结果构建全局地图的几何结构（使用LIO确定3D点的位置）。通过最小化点到平面的残差来估计系统的状态
VIO视觉-惯性传感器系统：利用视觉-惯性数据来渲染地图的纹理（3D点的颜色）。
VIO子系统通过通过最小化帧到帧 PnP 重投影误差和帧到地图光度误差来更新系统状态。
在这里插入图片描述
本文的LIO部分和Fast-LIO相同没做过多介绍，其代码部分见Fast-lio代码，论文见论文。
文章理论部分主要在VIO做了改进分为三个大部分：

  1. 两帧之间的重投影误差：计算重投影误差，使用误差状态的卡尔曼滤波更新状态估计。
    在这里插入图片描述

  2. 每一帧和地图的光度误差：计算光度误差，并使用误差状态的卡尔曼滤波更新状态。
    在这里插入图片描述

  3. 渲染全局地图的纹理：在frame-to-map VIO更新之后，我们有了当前图像的精确位姿，然后我们执行渲染函数来更新地图点的颜色。
    在这里插入图片描述

实验

  1. 激光雷达退化和视觉无纹理环境下的鲁棒性评估
    在这里插入图片描述
    2.高精度建图大型室内外城市环境
    在这里插入图片描述
    3.基于D-GPSRTK的精度定量评价
    4.运行时间分析
    5.网格重建和纹理处理
    在这里插入图片描述
    6.面向各种3D应用程序
    在这里插入图片描述
    在这里插入图片描述
R3LIVE源码解析(6) — R3LIVE流程详解
几度春风里的博客
08-31 2261
R3LIVE是香港大学Mars实验室提出的一种融合imu、相机、激光的SLAM方法，R3LIVE由两个子系统组成，一个激光惯性里程计（LIO）和一个视觉惯性里程计（VIO）。LIO子系统（FAST-LIO）利用来自激光雷达和惯性传感器的测量数据，并且构建地图的几何结构（即3D点位置）。VIO子系统使用视觉惯性传感器的数据，并且渲染地图的纹理（即3D点颜色）。更具体而言，VIO子系统通过最小化帧到地图的光度误差直接且有效地融合视觉数据。
R3LIVE源码解析(7) — R3LIVE中LiDAR_front_end.cpp文件
几度春风里的博客
09-02 946
激光点云首先在LiDAR_front_end节点中提取特征点，将处理完的信息通过完成节点的发送出去，与FAST-LIO2相同R3LIVE也只用到了面特征作为ESIKF融合。首先主函数会根据不同的雷达类型运行不同的回调函数接着通过give_feature()提取角点和面点提取面点时，通过plane_judge()面点类型的判断提取过程中，会进行边缘点判断，也就是LOAM论文中的进行异常点剔除最后将提取的角点和面点发布出去。
R3LIVE论文解读及框架调参结果
wanyi999的博客
12-14 1369
R3live论文解读
R3LIVE++论文阅读
人无远虑，必有近忧
09-09 1022
为了确保稳健和快速的收敛,我们设计了一个两步流水线,如图所示,其中在第一步 (即,帧到帧 VIO) 我们利用帧到帧光流来跟踪最后一帧中观察到的地图点,并通过最小化被跟踪点的透视 n 点 (PnP) 重投影误差来获得系统状态的粗略估计。然后,在第二步骤 (即帧到地图 VIO) 中,通过最小化地图点的辐射度与当前图像中它们的投影位置处的像素强度之间的差来进一步细化状态估计。此外，我们还记录该点的其他必要信息，包括点的估计误差的协方差，以及创建和更新该点时的时间戳。曝光时间 r 在我们的工作中是在线估计的。
论文Review SLAM R3LIVE | ICRA2022 港大MARS | 可以生成Mesh的激光视觉惯性SLAM
最新发布
weixin_42148238的博客
10-05 651
本文提出R3LIVE，一种新型激光雷达-惯性-视觉紧耦合SLAM系统，能够实时生成精确的RGB彩色3D地图。系统由LIO子系统（构建几何结构）和VIO子系统（渲染纹理）组成，通过最小化光度误差实现稳健状态估计。相比现有方法，R3LIVE在纹理缺失和几何特征不足的环境中表现更优，1.5公里行程仅产生0.16米平移误差。系统已开源，并提供离线网格重建工具，支持机器人导航、三维测绘等应用。实验表明其在复杂室内外场景中具有卓越的鲁棒性和精度。
R3live论文翻译
JunJun
06-25 2127
在本文中，我们提出了一个新颖的激光惯性视觉传感器融合框架，也就是R3live；它利用了激光雷达、惯性和视觉传感器的测量值，可以得到鲁棒和高精度的状态估计。R3live包含了两个子系统，激光惯性里程计系统（LIO）和视觉惯性里程计系统（VLO）。LIO子系统（FAST-LIO）利用激光雷达和惯性传感器的测量数据构建全局地图的几何特征。VIO子系统则利用视觉和惯性传感器的测量数据给地图添加纹理（也就是给3D点赋予颜色）...............
R3LIVE论文学习（二）：VIO子系统
奉现的博客
07-29 1099
R3LIVE的VIO子系统
激光SLAM论文R3LIVE和LIO-SAM阅读
Turn life into a dream, and then turn dreams into reality
11-28 524
采用方法：为了确保实时的高性能，边缘旧的激光雷达扫描以进行姿态优化，不是将激光雷达扫描匹配到全局地图。VIO使用传感器渲染地图的纹理，即3D点云的颜色；创新点：VIO通过最小化观测地图点的RGB颜色与其在当前图像中测量的颜色之间的光度误差来估计当前状态。VIO子系统受两个主要设置的影响：图像的大小(“图像大小”）和点云图的分辨率(“Pcres”）使用的指标：与地面真实结束姿态相比，我们的算法旋转漂移1.62˝，平移4.57 cm.通过最小化帧到帧的pnp重投影误差和帧到地图的。VIO 每帧耗费的时间。
论文阅读笔记：(2021.09， RA-L) R3LIVE
chaoqinyou的博客
11-30 776
r3live 论文阅读笔记
R3Live系列学习（五）R3Live源码阅读
weixin_42048023的博客
10-19 2381
编译它的时候可能会报“'ScalarBinaryOpTraits' in namespace 'Eigen' does not names a template type”之类的信息，这可能是由于电脑中存在多个Eigen库，可以在电脑上搜索出可能存在的Eigen库，不出意外的话会有包括ScalarBinaryOpTraits的也有没有包括的，直接在CMakeLists里面强行指定include路径，或者屏蔽没包括的那些Eigen库即可。
R3LIVE：一个实时鲁棒、带有RGB颜色信息的激光雷达-惯性-视觉紧耦合系统（香港大学）
惊鸿一博
02-02 5179
基本情况 出处：R3LIVE: A Robust, Real-time, RGB-colored, LiDAR-Inertial-Visual tightly-coupled state Estimation and mapping package 作者：Jiarong Lin and Fu Zhang（香港大学) 视频：https://www.bilibili.com/video/BV1d341117d6?p=1&share_medium=android&share_plat=a..
R3 LIVE：一个强大、实时、RGB彩色、激光雷达-惯性-视觉紧密耦合的状态估计和建图
点云兔子的博客
09-25 4801
我们系统的概述如图2所示，我们提出的框架包含两个子系统：LIO子系统（上部分）和VIO子系统（下部分）。LIO子系统构建了一个全局地图的几何结构，它注册输入的激光雷达扫描，并通过最小化点到平面的残差来估计系统的状态。VIO子系统构建地图的纹理，它使用输入图像为每个点渲染RGB颜色，并通过最小化帧与帧之间的PnP重投影误差和帧与地图的光度误差来更新系统状态。图2：我们提出的系统概述。
经典文献阅读之--R3LIVE
lovely_yoshino的博客
09-04 4328
之前作者在今年年初写了激光与摄像头混合的博客，当时一直想写R3LIVE的。但是一直苦于没有时间好好地去深入钻研探索。这段时间正好有比较充裕的时间做这个事情，所以这里我们对《》这篇文章进行学习与解析。这篇文章中中有很多值得我们借鉴和学习的地方。与LVI-SAM一样，它也是一个激光-惯性-视觉融合的传感器融合框架，利用激光雷达、惯性和视觉传感器的测量来实现鲁棒性和准确性的状态估计。由于R3LIVE是由进一步拓展来的。这里我们放上其他博主翻译的的论文。
R3LIVE：一个实时鲁棒、带有RGB颜色信息的激光雷达-惯性-视觉紧耦合系统（香港大学）...
3D视觉工坊
09-14 609
R3LIVE: A Robust, Real-time, RGB-colored, LiDAR-Inertial-Visual tightly-coupled state Estimati...
R3LIVE:一个鲁棒、实时、RGB贴图的激光雷达惯性视觉紧耦合状态估计和建图方案...
点云PCL
06-06 559
文章：R3LIVE: A Robust, Real-time, RGB-colored, LiDAR-Inertial-Visual tightly-coupled state Estimation and mapping package作者：Jiarong Lin and Fu Zhang编译：点云PCL代码：https://github.com/hku-mars/r3...
港大重磅SLAM新作！R3LIVE++：一个实时鲁棒的紧耦合激光雷达-惯性-视觉融合框架...
CV_Autobot的博客
10-13 5788
点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心技术交流群后台回复【SLAM综述】获取视觉SLAM、激光SLAM、RGBD-SLAM等多篇综述！论文链接：https://arxiv.org/pdf/2209.03666.pdf论文代码：https://github.com/hku-mars/r3live摘要本文提出了一种名为 R3LIVE++ 的 LiDAR...
R3LIVE代码注释
一抹烟霞的博客
03-26 1141
详细代码注释： https://gitee.com/qcl5683/R3LIVE-CommentV
R3LIVE：A Robust, Real-time, RGB-colored, LiDAR-Inertial-Visual tightly-coupled state Estimation 运行记录
m0_46114737的博客
01-28 3137
R3LIVE：A Robust, Real-time, RGB-colored, LiDAR-Inertial-Visual tightly-coupled state Estimation and mapping package
R2Live、R3Live和 R3Live++
czlmd的博客
11-17 1597
提出了一个实时的LiDAR-惯性-视觉紧耦合的多传感器融合框架，通过融合LiDAR、惯性测量单元(IMU)和相机传感器的数据，实现高鲁棒性和高精度的状态估计。：继承R2LIVE框架，在LiDAR-惯性里程计（LIO）中增加了视觉里程计（VIO）模块，实现了帧到地图光度误差优化，用以增强纹理渲染。：将LiDAR和VIO紧耦合程度提升，提出基于帧到地图的光度误差最小化算法，并融合在线光度校准，显著增强了地图的表现力。
r3live
03-08
### r3live 工具概述 r3live 是一款由 Radxa 开发的实时备份和克隆工具，适用于 Linux 系统。该工具能够帮助用户快速创建磁盘镜像或将整个系统迁移到新的存储设备上[^1]。 #### 安装方法 为了安装 r3live，在终端执行如下命令： ```bash sudo apt update && sudo apt install -y r3live ``` 这会自动下载并配置好所需的环境来运行此工具。 #### 使用指南 启动 r3live 可通过简单的命令行参数完成。基本语法结构如下所示： ```bash r3live [options] ``` 常用选项包括但不限于： - `-d` 或 `--device=/dev/sdx`: 指定目标设备文件路径。 - `-m` 或 `--mode=[backup|clone]`: 设置操作模式为备份或者克隆，默认是 clone。 - `-f` 或 `--file=image.img`: 当处于 backup 模式下指定保存位置；当处于 restore 模式时则表示源映像的位置。 - `-c` 或 `--compress=[gz|xz|none]`: 压缩方式选择，默认不压缩 none[]. 例如，如果想把当前系统的根分区 `/dev/sda1` 复制到另一块硬盘上的第一个主分区 `/dev/sdb1`, 则可以这样调用: ```bash sudo r3live --source=/dev/sda1 --target=/dev/sdb1 --mode=clone ``` 对于希望制作一个完整的系统快照作为未来恢复用途的情况，则可采用下面的方式来进行全盘备份至外部 USB 驱动器中的特定目录里，并启用 xz 压缩算法减少占用空间: ```bash sudo r3live --source=/dev/sda --file=/media/user/usb_drive/system_backup.img --mode=backup --compress=xz ``` #### 注意事项 在实际应用过程中需要注意一些细节以确保顺利完成任务： - **确认数据安全**：无论是做备份还是迁移之前都应该先做好重要资料的安全措施以防万一发生意外丢失情况； - **检查硬件兼容性**：某些特殊类型的 SSD 或 NVMe 设备可能需要额外驱动支持才能被正确识别处理； - **保持电源稳定供应**：长时间的操作期间应尽量避免突然断电事件影响最终结果质量。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

JaydenQ

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值