二十六-香港大学火星实验室FAST-LIO2框架跑自录数据集(Mid-70和SBG-Ellipse-N惯导)

专栏系列文章如下:

一:Tixiao Shan最新力作LVI-SAM(Lio-SAM+Vins-Mono),基于视觉-激光-惯导里程计的SLAM框架,环境搭建和跑通过程_goldqiu的博客-优快云博客

二.激光SLAM框架学习之A-LOAM框架---介绍及其演示_goldqiu的博客-优快云博客

三.激光SLAM框架学习之A-LOAM框架---项目工程代码介绍---1.项目文件介绍(除主要源码部分)_goldqiu的博客-优快云博客

四.激光SLAM框架学习之A-LOAM框架---项目工程代码介绍---2.scanRegistration.cpp--前端雷达处理和特征提取_goldqiu的博客-优快云博客

五.激光SLAM框架学习之A-LOAM框架---项目工程代码介绍---3.laserOdometry.cpp--前端雷达里程计和位姿粗估计_goldqiu的博客-优快云博客

六.激光SLAM框架学习之A-LOAM框架---项目工程代码介绍---4.laserMapping.cpp--后端建图和帧位姿精估计(优化)_goldqiu的博客-优快云博客

七.激光SLAM框架学习之A-LOAM框架---速腾Robosense-16线雷达室内建图_goldqiu的博客-优快云博客

八.激光SLAM框架学习之LeGO-LOAM框架---框架介绍和运行演示_goldqiu的博客-优快云博客

九.激光SLAM框架学习之LeGO-LOAM框架---速腾Robosense-16线雷达室外建图和其他框架对比、录包和保存数据_goldqiu的博客-优快云博客

十.激光SLAM框架学习之LeGO-LOAM框架---算法原理和改进、项目工程代码_goldqiu的博客-优快云博客

十一.激光惯导LIO-SLAM框架学习之LIO-SAM框架---框架介绍和运行演示_goldqiu的博客-优快云博客

十二.激光SLAM框架学习之livox-loam框架安装和跑数据集_goldqiu的博客-优快云博客

十三.激光SLAM框架学习之livox-Mid-70雷达使用和实时室外跑框架_goldqiu的博客-优快云博客

十四.激光和惯导LIO-SLAM框架学习之惯导内参标定_goldqiu的博客-优快云博客

十五.激光和惯导LIO-SLAM框架学习之惯导与雷达外参标定(1)_goldqiu的博客-优快云博客

十六.激光和惯导LIO-SLAM框架学习之配置自用传感器实时室外跑LIO-SAM框架_goldqiu的博客-优快云博客

十七.激光和惯导LIO-SLAM框架学习之IMU和IMU预积分_goldqiu的博客-优快云博客

十八.多个SLAM框架(A-LOAM、Lego-loam、LIO-SAM、livox-loam)室外测试效果粗略对比分析_goldqiu的博客-优快云博客

十九.激光和惯导LIO-SLAM框架学习之项目工程代码介绍---代码框架和一些文件解释_goldqiu的博客-优快云博客

二十.激光、视觉和惯导LVIO-SLAM框架学习之相机内参标定_goldqiu的博客-优快云博客

二十一.激光、视觉和惯导LVIO-SLAM框架学习之相机与雷达外参标定(1)_goldqiu的博客-优快云博客

二十二.香港大学火星实验室R3LIVE框架跑官方数据集_goldqiu的博客-优快云博客

二十三.激光和惯导LIO-SLAM框架学习之LIO-SAM项目工程代码介绍---基础知识_goldqiu的博客-优快云博客

二十四-香港大学火星实验室FAST-LIO2框架跑官方数据集

二十五.SLAM中Mapping和Localization区别和思考

更改文件:

config/avia.yaml

    lid_topic:  "/livox/lidar"
    imu_topic:  "/imu_raw"
    time_sync_en: true         # ONLY turn on when external time synchronization is really not possible

    extrinsic_R: [ 1, 0, 0,
                   0, 1, 0,
                   0, 0, 1]

主要是雷达和惯导的话题。time_sync_en要为true,extrinsic_R为雷达和惯导的旋转矩阵,我的正好是单位阵。

保存pcd:

pcd_save:
    pcd_save_en: true

运行:

roslaunch livox_ros_driver livox_lidar_msg.launch
roslaunch fast_lio mapping_avia.launch

效果:

CC显示:

ps:

由于我录制的时候没有形成回环(没有经过起点),导致Z轴有点不重合。录制的时候注意形成回环即可。

### 使用 Fast_LIO2 复现 NCLT 数据集的效果 Fast_LIO2 是一种基于激光雷达性测量单元 (IMU) 的实时 SLAM 系统,能够提供高精度的姿态估计地图构建功能。为了在 NCLT(Northwestern University Campus Loop Test)数据集上复现其效果,以下是详细的说明: #### 1. 安装依赖项 在 Ubuntu 18.04 上安装必要的软件包工具链。这包括 ROS Melodic 其他依赖库。 - **ROS Melodic**: 如果尚未安装 ROS,请按照官方文档完成安装[^1]。 ```bash sudo apt update sudo apt install ros-melodic-desktop-full source /opt/ros/melodic/setup.bash ``` - **Intel TBB**: Faster-LIO 可能会利用 Intel Threading Building Blocks 提升性能。可以通过以下命令安装最新版本的 TBB[^1]: ```bash sudo apt-get install libtbb-dev ``` #### 2. 下载并编译 Fast_LIO2 克隆 Fast_LIO2 的源码仓库到本地,并配置 Catkin 工作空间。 ```bash cd ~/catkin_ws/src git clone https://github.com/HKUST-Aerial-Robotics/Fast_LIO.git cd .. catkin_make -j$(nproc) source devel/setup.bash ``` 如果遇到编译错误,请确认所有依赖已正确安装,并尝试更新代码至最新的稳定分支。 #### 3. 配置 NCLT 数据集支持 NCLT 数据集提供了丰富的传感器数据流,包括 Velodyne 激光雷达、GPS/INS 组合航设备以及其他辅助信息。要让 Fast_LIO2 支持该数据集,需调整参数文件以匹配硬件特性。 - 编辑 `config/nclt.yaml` 文件,设置如下关键参数: - IMU 噪声模型 - 激光雷达频率与分辨率 - 地图保存路径 示例 YAML 参数片段: ```yaml general: dataset_name: nclt imu_params: noise_acc: [0.01, 0.01, 0.01] noise_gyr: [0.001, 0.001, 0.001] lidar_params: lidar_topic: "/velodyne_points" scan_rate: 10.0 map_save_path: "~/results/fast_lio2_nclt/" ``` #### 4. 启动仿真环境 加载预处理后的 NCLT 数据并通过 ROS 节点发布消息流。 ```bash roslaunch fast_lio run_fast_lio.launch config_file:=config/nclt.yaml bag_file:=path_to_your_bagfile.bag ``` 其中,`bag_file` 应替换为实际记的数据包位置。此操作将启动整个系统流程,包括前端配准后端优化模块。 #### 5. 结果评估 运行结束后,可通过可视化工具检查轨迹一致性及定位误差统计指标。推荐使用 RViz 或 Python 脚本绘制对比图表来分析最终表现。 ```python import numpy as np from matplotlib import pyplot as plt data_gt = np.loadtxt('ground_truth.txt') data_estimated = np.loadtxt('estimated_pose.txt') plt.figure() plt.plot(data_gt[:, 0], data_gt[:, 1], label='Ground Truth', color='blue') plt.plot(data_estimated[:, 0], data_estimated[:, 1], label='Estimated Pose', color='red') plt.legend() plt.show() ``` ---
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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