LiDAR_INS组合的室内定位与制图_SLAM_算法改进_下载

PIPI_333 2018-02-18 08:47:55

LiDAR_INS组合的室内定位与制图_SLAM_算法改进
相关下载链接：//download.csdn.net/download/u010976575/10252705?utm_source=bbsseo

...全文

67 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

本文汇总了多个开源的多传感器融合与SLAM项目，包括基于GNSS、IMU、视觉和LiDAR的组合导航与SLAM算法。项目涵盖了从扩展卡尔曼滤波到图优化的各种方法，适用于不同的传感器配置和应用场景，如无人机、自动驾驶和增强现实。其中，KF_GINS、OB_GINS和IC-GVINS是基于EKF和图优化的GNSS/INS融合系统，而LOAM和LIO-SAM则专注于LiDAR SLAM。ORB-SLAM系列和VINS系列则关注视觉惯性SLAM。此外，还有如LVI-SAM和InGVIO等融合多种传感器的高精度系统。

本文介绍了3D LiDAR-Inertial Plane SLAM（LIPS）系统，利用最近点平面表示法融合激光雷达和惯性测量单元的数据，解决了平面表示的奇异性问题。通过定制的激光雷达模拟器和实际实验验证，展示了LIPS在室内定位和地图构建中的准确性和鲁棒性。

本文介绍了多种Lidar与IMU组合导航设备的标定方法，包括ETH的lidar_align和浙大的LI-Calib，它们主要针对手持设备的标定，对运动范围有一定要求，不适合自动驾驶车辆。此外，还提到了百度Apollo的非开源标定服务以及Robosense和商汤科技的开源标定工具。文章强调了这些方法在实际应用中的局限性，并提供了相关资源链接。

这篇博客总结了激光SLAM的最新进展，包括DeepPointMap框架，它通过神经网络提取特征，实现高效定位和地图构建。FF-LINS和F-LOAM展示了实时性和准确性，而MULLS和LOAM-SLAM侧重于减少高速场景中的漂移。此外，介绍了基于深度学习的DLL方法，虽速度较慢但精度高。文章还讨论了特征提取、点云配准、动态目标检测等技术，并提及了多种激光SLAM方法的优缺点。

本文提出了一种三阶段的自动驾驶三维激光雷达与姿态传感器的外部参数标定方法，包括粗标定、精标定和Z轴校正。粗标定利用多帧间平面特征快速收敛，精标定通过空间占用率优化进一步提升精度，Z轴校正则解决了平面运动导致的Z轴误差。实验表明，该方法在时间和精度上均表现出优越性，适用于大规模自动驾驶汽车的快速标定。

下载资源悬赏专区

13,654

社区成员

12,571,559

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章