faster lio 回环 加入GTSAM优化的记录

FAST-LIO论文解析 本文提出了一种计算效率高、鲁棒性好的激光-惯性里程计框架。我们使用紧耦合的迭代扩展卡尔曼滤波器将LiDAR特征点与IMU数据融合在一起,从而在快速运动、嘈杂或混乱的环境中实现鲁棒导航。为了在大量测量数据的情况下降低计算负荷,我们提出了一个新的计算卡尔曼增益的公式。新公式的计算量依赖于状态维数而不是测量维数。在各种室内和室外环境中对所提出的方法及其实现进行了测试。 阅读详情
AI摘要

作者构建高精度点云地图时遇到问题,FasterLIO在室外大范围移动后出现Z轴高度偏差。尝试仅优化关键帧B而非A,但GTSAM优化过度导致地图质量下降。结论:回环优化不足以解决大累计误差,需结合BA矫正并精选优化点对。

首先感谢这位博主的文章:https://blog.csdn.net/weixin_41281151/article/details/125371285,其中部分代码参考于改博主中的github: https://github.com/kahowang/FAST_LIO_SAM
不同的是,我使用的是faster lio进行更改,还有不少细节上的不同。

这份工作的目的

  1. 为了构建一个高精度的点云地图
  2. 去除动态物体,提高精度,所以选择以ivox进行搜寻最近点的faster lio

过程

  1. 这一步和上述博主的一样,首先引入关键帧的结构,引入gtsam进行优化,加入回环检测,矫正位姿和地图,然后做到效果差不多。

  2. but问题来了,(室内正常)在室外过程中,绕了一个周长近一公里的矩形,回到起点,发现此时位置在z轴上高了六七米,随后回环检测回环矫正,通过gtsam矫正发现,随着回环匹配帧插入的数量增加,也就插入五六个关键帧,此时的位置z轴才拉回0。(回环匹配没问题,在第一个回环匹配帧插入后,gtsam优化,z轴的高度为两三米)。but就算后面拉回去了,地图的精度反而下降了,看上去就感觉过优化。如下图所示。z=5到z=6这一段的精度就太差了,反而使得fast lio的精度优势下降了。(用墙的厚度来评估地图质量,z=5处最差)
    在这里插入图片描述

  3. 于是我觉得需要降低优化,认为faster lio的框架下的直线行走精度够高,不需要gtsam优化,所以不将“大于设定距离而生成的关键帧A”插入优化,而仅仅插入“大于设定旋转角度而生成的关键帧B”插入优化,在触发回环再引入关键帧即可优化,然后对关键帧B间的关键帧A进行配准(如下图所示)。but结果显示因为gtsam含关键帧太少

FAST_LIO_SAM调试错误记录(double free or corruption,以及回环出现process has died code -11错误) 最近,在测试FAST_LIO_SAM(https://github.com/kahowang/FAST_LIO_SAM)框架过程中遇到了一些环境配置问题,记录一下解决过程,供大家参考。 阅读详情

相关推荐

为Faster-LIO接入回环检测与GTSAM因子图优化的工程实践

SLAM系统中,仅依赖前端里程计会导致误差随时间累积,长距离运行时全局轨迹容易出现漂移。回环检测通过识别历史场景生成空间约束,是消除累积误差的关键技术;因子图优化则将这类约束与里程计约束统一建模,通过全局调整位姿实现一致性校正。本文围绕Faster-LIO这一激光惯性里程计方案,详细阐述如何为其设计关键帧提取、ICP回环验证,并基于GTSAM构建因子图,将回环约束与里程计约束联合优化,同时探讨了信息矩阵设定、线程协调及参数调优等实践细节。该方案在室内展厅、地下车库和室外园区等场景中验证了效果,为激光SLAM

weixin_34246529的博客 186

激光SLAM大场景漂移怎么办?为Faster LIO接入回环检测与GTSAM因子图优化实战

激光SLAM在室内外大场景建图中,里程计累积漂移是绕不开的核心痛点。基于迭代扩展卡尔曼滤波的紧耦合前端(如Faster LIO)虽能提供高精度局部状态估计,但缺少全局位姿约束,长走廊或环形轨迹下地图闭合误差往往达到米级。此时,回环检测与因子图优化成为消除累积漂移的关键技术路径。通过关键帧管理、基于距离与Scan Context的候选筛选、ICP精匹配验证,以及利用GTSAM的ISAM2增量优化器构建先验、帧间和回环三类因子,可将全局位姿约束高效注入后端,实现建图精度的大幅提升。这一套“前端里程计+回环检测+

weixin_29038345的博客 200

FASTER_LIO_SAM项目解析:如何将Fast-LIO、Faster-LIO和LIO-SAM的优势融合到一个SLAM系统中?

本文深入解析FASTER_LIO_SAM项目如何融合Fast-LIO、Faster-LIO和LIO-SAM三大SLAM算法优势,打造高性能混合SLAM系统。详细介绍了IEKF滤波、IVox增量体素和GTSAM因子图等核心技术,通过基准测试显示其定位精度提升23%,实时性表现优异,适用于机器人导航等场景。

weixin_33671935的博客 682

保姆级教程:在Ubuntu 18.04上搞定FASTER_LIO_SAM(含C++17编译避坑指南)

本文提供在Ubuntu 18.04系统上部署FASTER_LIO_SAM的保姆级教程,涵盖从环境准备、ROS Melodic配置到C++17编译问题的全面解决方案。特别针对SLAM技术应用中常见的依赖冲突和编译错误提供实用修复方案,帮助开发者高效完成Livox激光雷达与FASTER_LIO_SAM的集成部署。

weixin_28676289的博客 331

激光SLAM算法全家桶:Ubuntu20.04+ROS环境下Point-LIO/FAST_LIO2等6种方案配置教程

本文详细介绍了在Ubuntu20.04和ROS环境下配置Point-LIO、FAST_LIO2等6种激光SLAM算法的完整教程。从环境准备到多算法协同管理,提供高效配置技巧和实战调试方法,帮助开发者快速构建即插即用的SLAM算法实验平台。

weixin_42528780的博客 377

fast-lio系列改进版本

2.回环检测的优化结果,更新到FAST-LIO2的当前帧位姿中,幷进行ikdtree的重构,进而更新submap。其它的效果还不清楚,实测lio部分稳定性很好。用fast-lio_slam就很稳定。融合了fast-lio2和sc-pgo,两部分分开运行,SC-PGO从FAST-LIO2节点获取里程计和激光雷达点云主题。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。

z1872385的博客 3189

NCCL使用指南-进阶篇

前文介绍了NCCL的常用环境变量,本文介绍了NCCL-test性能基准测试,以及一些大规模集群测试的经验数据。

father_yingying的博客 1409

芯片详解——AD7606

AD7606详解

weixin_45661757的博客 5025

Spacedesk保姆级教程:用旧平板给Windows电脑当副屏,从安装到避坑一步到位

本文提供Spacedesk保姆级教程,教你如何将旧平板变成Windows电脑的副屏,从软件安装到网络配置、显示优化及声音交互,一步步避开常见陷阱。通过WiFi实现扩展屏功能,支持4K分辨率和60Hz刷新率,让闲置设备焕发新生。

weixin_42524945的博客 1万+

GDI文字绘制和windows下opengl文字绘制小结

GDI绘制文字,要设置文字的属性,主要就是通过设置DC中的font对象来实现的。 font对象的创建可以由createfont()、createfontIndirect()来实现。 HFONT CreateFont( int nHeight, // height of font int nWidth, // average

T_W_S的专栏 5324

因果推断--PSM的原理和应用(二)

上一篇介绍了DID,本文介绍和DID可一起搭配使用的一种因果推断方法PSM。在正式介绍PSM之前,先来简单回顾一下为什么需要因果推断以及如何做因果推断。我们都知道相关非因果,比起相关我们更希望知道两个事件之间的因果关系,有了确切的因果关系,才能知道对A如何操作才能引起B的变化。解决因果推断问题,目前主要有两种框架,Rubin虚拟事实模型和Pearl因果图模型。站在数据分析的角度上,Rubin虚拟事实模型更容易理解,其核心思想是寻找恰当的对照组。

baidu_26137595的博客 1万+

springboot&mybatis中数组和字符串数据类型的转换

/前端数组字段//数据库中字段/*与前端交互时使用的get/set*/System.out.println("接收前端数据");/*与前端交互时使用的get/set*//*与数据库交互时使用的get/set*/System.out.println("从数据库中读取数据");/*与数据库交互时使用的get/set*/

l_q_l的专栏 2478

Unreal5从入门到精通之一文搞懂Unreal的C++代码编译之谜

我们在开发Unreal项目时,如果时蓝图模板的项目,一般问题不大,因为当你修改完蓝图,点击编译Compile+保存Save,就可以继续开发了。这对于开发者来说也非常友好。但是,如果你使用的C++模板开发项目,代码编译一切都变得魔幻起来,IDE(VS/Rider)里面有编译,编辑器里面也有编译,有什么区别呢?我们来列举几个新手常碰到的问题。1.代码我明明新建了,编辑器里怎么看不到?2.昨天我新家的功能运行的好好的,今天怎么感觉还是老逻辑。或者昨天加的新代码,新蓝图不见了。

TxNet 1608

PyCharm 接入 OpenAI Codex CLI 的 4 步配置与调试实录

揭示 Codex CLI 在 PyCharm 中上下文失稳的四大根源:CLI 启动模式与 IDE 进程模型冲突、stdin/stdout 流式处理不兼容、环境变量污染、AST 注释缺失,并给出基于 Shell 脚本桥接与结构化上下文注入的稳定接入方案。

weixin_42627902的博客 380

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

上一篇: ros运行D435报错解决 _ZN20ddynamic_reconfigure19DDynamicReconfigureC1ERKN3ros10NodeHandleE
下一篇: ubuntu18.04 RTX3060 rangnet++训练 bonnetal语义分割
学术沉淀仔
博客等级 码龄7年 233粉丝 21原创
评论 3
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 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
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