LIO-SAM跑KITTI

最新推荐文章于 2023-03-30 20:00:26 发布
最新推荐文章于 2023-03-30 20:00:26 发布
阅读量2.2k 收藏 2
点赞数 1
文章标签： slam
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。
本文链接：https://blog.youkuaiyun.com/hellopopyee/article/details/122327971
版权

运行出现
[ WARN] [1641374242.433373896]: Large velocity, reset IMU-preintegration!
[ WARN] [1641374242.954969492]: Large velocity, reset IMU-preintegration!
[ WARN] [1641374243.953370316]: Large velocity, reset IMU-preintegration!
[ WARN] [1641374244.365513990]: Large velocity, reset IMU-preintegration!
问题

hellopopyee
关注
使用KITTI跑LIOSAM并完成EVO评价
wwtx的博客
04-02 1万+
对于lio_sam使用kitti数据集，并利用evo进行评价
LIO-SAM实测运行
Zlp19970106的博客
09-13 6421
文章目录
lio-sam-kitti
05-14
适配KITTI数据集
使用开源激光SLAM方案LIO-SAM运行KITTI数据集，如有用，请评论雷锋
weixin_44528885的博客
01-19 1万+
LIOSAM运行KITTI数据集
lego_loam、lio_sam运行kitti(完成kitti2bag、evo测试)
小博的博客
03-30 1万+
记录编译运行流程、修改了保存位姿和轨迹代码、解决了evo 尺度、旋转对比不上的问题、kitti转tum格式、kitti2bag转换，lio位姿漂移等问题。
【实验】LIO_SAM在KITTI 08上运行
weixin_46670186的博客
03-09 2313
LIO_SAM在kitti08数据集上使用evo评估
LIO-SAM_based_relocalization运行kitti回环序列并保存轨迹评估（二）——————kitti数据集的制作
想与你共饮冰的博客
11-12 4176
在Ubuntu20.04系统上LIO-SAM_based_relocalization跑KITTI数据集,kitti数据集简介和制作
为适配kitti数据集修改的lio-sam.zip
12-29
标题中的“为适配kitti数据集修改的lio-sam.zip”表明这是一个针对Kitti数据集进行优化调整的lio-sam项目压缩包。Kitti数据集是机器人视觉和自动驾驶领域广泛使用的一个大型开放数据集，包含了多种传感器数据，如...
LIO-SAM-DetailedNote:LIO-SAM源码详细注释，3D SLAM融合激光、IMU、GPS
05-08
LIO-SAM-DetailedNote LIO-SAM源码详细注释，3D SLAM融合激光、IMU、GPS，因子图优化。 LIO-SAM的代码十分轻量，只有四个cpp文件，很值得读一读呢。 关于LIO-SAM的论文解读，网上已经有很多文章啦，同系列的LOAM、A-...
LIO-SAM代码（中文注释）
02-24
**LIO-SAM（LiDAR-Inertial Odometry with Simultaneous Localization and Mapping）**是一种先进的定位与建图算法，特别适用于具有激光雷达（LiDAR）和惯性测量单元（IMU）传感器的机器人系统。这个算法结合了两者...
LIO-SAM代码解析-徐胜攀.pdf
06-23
对LIO-SAM算法代码进行了深入分析，对各模块功能和联系进行梳理，对重要计算过程进行详细解读。读完本文档将可以清晰准确地了解LIO-SAM算法思想和实现。
lio_sam ros2 kitti2bag readme中数据集
07-19
lio_sam ros2 kitti2bag readme中数据集 实测2011_09_26_calib.zip无法解压，不过这个文件很小，其他两个还有有用的 也可以直接到这篇文章，亲测有效 https://blog.youkuaiyun.com/qq_36754438/article/details/113832911
LIO-SAM代码阅读详细注释版
11-16
**LIO-SAM SLAM 知识点详解** LIO-SAM（LiDAR-Inertial Odometry with Smoothing and Mapping）是一种结合了激光雷达（LiDAR）和惯性测量单元（IMU）的实时定位与建图（SLAM）算法。在SLAM领域，LIO-SAM因其高效性...
在Ubuntu20.04系统上LIO-SAM跑KITTI数据集和自己数据集代码修改
qq_39607707的博客
05-13 1万+
LIO-SAM跑KITTI数据集和自己数据集代码修改参考文献 参考文献 1、ubuntu18运行编译LIO-SAM并用官网和自己的数据建图(修改汇总） 2、LIO-SAM运行自己数据包遇到的问题解决–SLAM不学无数术小问题 3、使用开源激光SLAM方案LIO-SAM运行KITTI数据集，如有用，请评论雷锋 .........
LIO-SAM运行测试kitti数据集时遇到的问题
舒彬
12-14 2109
在已经顺利运行LIO-SAM之后再次运行时遇到关于gtsam的报错，几经周折，发现重新安装对应版本的gtsam到系统中即可解决问题（可能是在第一次成功运行之后配置系统环境的时改变了某些参数）
LeGO-LOAM跑KITTI数据集评估方法【代码改】
qq_39607707的博客
03-22 4684
评估 只需要轨迹信息，也就是时间戳，xyz和旋转四元数。可以只保存这部分的轨迹就可以。在LeGO-LOAM项目中mapOptmization.cpp文件，cloudKeyPoses6D中保存了一个点对应的位置信息和旋转信息。只需要将其中旋转的欧拉角转换为旋转四元数。 代码修改 将原有函数改为（参考ORBSLAM3轨迹的保存）： void visualizeGlobalMapThread(){ ros::Rate rate(0.2); while (ros::ok()){
LIO-SAM_based_relocalization运行kitti回环序列并保存轨迹评估（一）——————源码的分析
想与你共饮冰的博客
11-09 4051
LIO-SAM_based_relocalization是由哈尔滨工业大学GaoChao开发的基于lio-sam改版的机器人重定位系统，依赖于先验地图信息。笔者详细注释了核心代码的过程，并增加了tum格式的轨迹输出，评估了最后的结果。
LOAM、Lego-liom、Lio-sam轨迹保存，与Kitti数据集真值进行评估
weixin_62456310的博客
03-12 9355
LOAM、Lego-liom、Lio-sam轨迹保存，与Kitti数据集真值进行评估
SLAM数据集（tum/kitti）轨迹对齐与结果评估
热门推荐
逆水独流的博客
04-28 2万+
SLAM数据集的轨迹对齐与结果评估 SLAM是一个系统工程，最终的结果是一个实时的地图，因此我们需要对轨迹进行对齐和比对。在深蓝SLAM课程中，提供了ICP对齐的思路，来估计实际与模型的结果偏差。一些常见的数据集，如KITTI，TUM等，也提供了对齐工具和思路。 (1) tum数据集 1. 单目 建立评估文件夹，将得到的KeyFrameTrajectory.txt与数据集里面的groundtr...
liosam运行kitti数据集
最新发布
03-20
<think>好的，我现在需要帮助用户解决如何使用LIOSAM运行KITTI数据集的问题。首先，我需要确认用户的需求。他们提到了LIOSAM，可能是指LIO-SAM（紧耦合的激光惯性里程计与建图系统），但用户可能拼写错误。接下来，用户需要配置教程来运行KITTI数据集。 首先，我应该回忆LIO-SAM的基本配置要求。LIO-SAM通常依赖ROS（机器人操作系统），所以需要安装ROS环境，可能是Melodic或Noetic版本。然后是安装依赖库，比如GTSAM。接下来是数据集准备，KITTI数据集有不同的数据序列，可能需要转换成适合LIO-SAM的格式，比如ROS的bag文件。用户可能需要下载KITTI原始数据，并使用工具转换成bag文件。 然后，考虑LIO-SAM的配置文件。用户可能需要修改参数文件，例如传感器的话题名称、参数设置以适应KITTI的数据，比如点云话题、IMU话题，以及坐标系设置。此外，KITTI数据集可能使用不同的传感器配置，比如不同的激光雷达型号或IMU参数，可能需要调整LIO-SAM的配置中的参数，例如点云去噪、匹配参数等。 还要注意可能出现的常见问题，比如时间戳同步、坐标系转换是否正确，以及是否需要调整运动补偿参数。此外，用户可能需要进行评估，比如将输出轨迹与ground truth对比，使用evo等工具进行评估。 接下来，我需要验证这些步骤是否合理。可能需要参考已有的教程或文档，比如优快云博客或GitHub上的问题讨论。例如，用户提到的LeGO-LOAM跑KITTI数据集的配置修改可能有类似之处，比如修改参数文件中的话题名称和传感器参数。 在生成回答时，需要结构清晰，分步骤说明，包括环境准备、数据集转换、配置修改、运行步骤和验证评估。同时，确保所有行内数学表达式使用正确的LaTeX格式，独立公式用$$，并生成相关问题。最后，引用相关文献，比如提到的优快云博客作为参考。 现在需要确认是否有遗漏的步骤，比如安装依赖项，或者是否需要编译修改后的代码。此外，是否需要调整launch文件中的参数，比如传感器的话题名称是否正确对应转换后的bag文件中的话题。还要提醒用户注意路径设置，确保数据集路径正确，避免运行时出现文件未找到的错误。 最后，生成相关问题时应围绕LIO-SAM的配置、KITTI数据集处理、参数优化和评估方法等方面，帮助用户进一步深入解决问题。</think>以下为分步解答： ### 如何使用LIO-SAM运行KITTI数据集 1. **环境准备** - 安装ROS环境（推荐Noetic/Melodic） - 安装依赖库： ```bash sudo apt-get install -y ros-$ROS_DISTRO-gtsam ``` - 克隆并编译LIO-SAM： ```bash cd ~/catkin_ws/src git clone https://github.com/TixiaoShan/LIO-SAM.git catkin_make ``` 2. **数据集转换** - 下载KITTI原始数据集（需包含点云、IMU、GPS数据） - 使用[kitti2bag](https://github.com/tomas789/kitti2bag)工具转换为ROS bag格式： ```bash python kitti2bag.py -t 2011_09_30 -r 0027 raw_synced ``` - 验证bag文件包含`/points_raw`、`/imu_data`等话题 3. **配置文件修改** - 修改`params.yaml`中的关键参数： ```yaml pointCloudTopic: "points_raw" # 与bag文件话题对齐 imuTopic: "imu_data" useImuHeadingInitialization: true # KITTI需要启用航向初始化 ``` - 调整点云降采样参数（KITTI点云密度较高）： ```yaml downsampleRate: 0.5 # 原始值为1.0 ``` 4. **运行与验证** - 启动LIO-SAM节点： ```bash roslaunch lio_sam run.launch ``` - 播放数据集： ```bash rosbag play kitti_2011_09_30_drive_0027_synced.bag -r 2 ``` - 使用`rviz`查看实时建图效果，观察轨迹连续性 5. **轨迹评估**（使用evo工具） ```bash evo_traj kitti optimized.txt --ref ground_truth.txt -p --plot_mode=xz ``` 计算ATE（绝对轨迹误差）： $$ATE = \sqrt{\frac{1}{n}\sum_{i=1}^{n} \| trans(\mathbf{T}_{est,i}^{-1}\mathbf{T}_{gt,i}) \|^2}$$ 其中$\mathbf{T}$表示位姿变换矩阵[^1]
评论 8
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
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