首页 > TAG信息列表 > lio
LIO-SAM的安装与运行 --ubuntu18.04
1安装ROS相关依赖 sudo apt-get install -y ros-melodic-navigation sudo apt-get install -y ros-melodic-robot-localization sudo apt-get install -y ros-melodic-robot-state-publisher LIO-SAM采用因子图优化库gtsam,安装gtsam: wget -O ~/Downloads/gtsam.zip https:lio-sam实车调试
以下是些没些营养的碎碎念，作为理清思路用！ 1.发现缺失map->odom->base_link坐标变换，使用rqt查看正常的tf树： 发现map->odom->base_link由imupreintegration模块发出，odom->lidar_link由mapOptimization模块发出。 排除应该不是imu频率的问题； 1.发现是没有做第一次优化：也就是donelio-sam编译、测试
目录 安装依赖 编译lio-sam 运行 遇到的坑 安装依赖 我的ROS版本是melodic，所以需要安装以下几个功能包： sudo apt-get install -y ros-melodic-navigation sudo apt-get install -y ros-melodic-robot-localization sudo apt-get install -y ros-melodic-robot-state-publisherFast-LIO论文阅读
@目录一、系统流程与符号说明1、定义流形中的＋－IEKF算法步骤 一、系统流程与符号说明 1、定义流形中的＋－ 从上面的定义，很容易验证 IEKF 符号 含义 \(\mathbf{z}_{j}^{\kappa}=\mathbf{G}_{j}\left({ }^{G} \widehat{\mathbf{p}}_{f_{j}}^{\kappa}-{ }^{G} \mathbf{q}_{j}\r【SLAM】LIO-SAM流程图
LIO-SAM是2020年新出的激光SLAM，代码量不大，结构统一清晰，是我看的最快的一篇SLAM代码，效果在原数据集也不错。有一个不错的注释版代码写的不错，https://github.com/smilefacehh/LIO-SAM-DetailedNote。 注释中，mapOptimization中位姿初始估计的解释和我的理解不太一样，放流程图了。LIO-SAM论文翻译
LIO-SAM: 通过SAM紧耦合雷达惯性里程计 摘要 我们提出一个框架用于通过SAM紧耦合雷达惯性里程计LIO-SAM，可实现高精度、实时的移动机器人轨迹估计和地图构建．LIO-SAM是基于因子图构建雷达惯性里程计，可以将大量的相对测量值、绝对测量值、回环等多种不同数据作为因子融入雷达惯cause java.lang.NoSuchMethodError: io.opentracing.ScopeManager.activeSpan()Lio/opentracing/Span；
cause java.lang.NoSuchMethodError: io.opentracing.ScopeManager.activeSpan()Lio/opentracing/Span; 方案： 将引入的io.opentracing版本调到0.32.0 java.lang.NoClassDefFoundError: io/opentracing/Tracer 方案： pom文件引入以下依赖： <dependency> <groupId>i