weixin_42344264的博客

概要：双目点线特征VIO+激光雷达点云深度增强视觉特征Bag包：链接：https://pan.baidu.com/s/1esy94hAgzWKazTELXuCtsQ提取码：mj8k代码：https://github.com/why-freedom/PLSL-SLAM其他参考：从零手写VIO激光视觉融合SLAM 水博客PLS-VIO：双目点线特征融合视觉惯导里程计 （附长走廊数据集）SLAM踩坑记录 | 编译框架 | 配置环境等

摘要：长走廊数据集,使用cartographer记过作为真值，评估视觉和雷达融合(VINS-Fusion-Lidar)的结果。框架：vins-fusion、vins-fusion-lidar、aloam一、配置cartographer参数my_robot_3d.luainclude "map_builder.lua"include "trajectory_builder.lua"options = { map_builder = MAP_BUILDER, trajectory_buil

论文：PLS-VIO: Stereo Vision-inertial Odometry Based on Point and Line Features长走廊数据链接（双目 + IMU + Lidar(无外参)）：链接：https://pan.baidu.com/s/113xxEnng2-JScg8masIc1w提取码：a7dd带外参数据等之后分享...

1、使用KITTI数据集跑VINS，数据集制作参考，本文使用的是2011_09_26_0056。本文主要是使用双目 +ＩＭＵ，及之后融合激光雷达根据kitti数据集给出的标定参数，计算IMU-to-Cam0，IMU-to-Cam1。本文使用的是未同步的imu数据和同步的相机激光雷达数据。2、计算外参py脚本，由于不经常使用py，发现array最后得转换成mat才能算矩阵运算。也可以直接用MATLAB、Sophus等from numpy import *import numpy as np

视觉和激光雷达的综述A Review of Visual-LiDAR Fusion based Simultaneous Localization and Mapping先介绍基本SLAM原理，再视觉SLAM，再激光SLAM，最后介绍两者融合SLAMSection 2：SLAM1、SLAM的概率方法解释2、基于图的SLAM框架Section 3：V-SLAM1、所有这些视觉SLAM在光线改变或者低纹理环境都容易出错。Section 4：LiDAR Based SLAM1、基于