fast-lio2实例运行

fast-lio2也是出来没多久,它是港大Mars实验室大佬们开源的一套框架,论文也仔细看了一下,后续会分享。它与其他激光雷达SLAM不同在于,现在大部分Lidar SLAM都是基于loam进行改造的,基本上是通过线特征edge和面特征(面点)分割进行配准得到里程计的,而fast-lio2是通过一个迭代扩展卡尔曼滤波器去优化帧内位姿,然后通过输入点云与地图进行配准得到里程计,精度和鲁棒性都不错。至于原理,回头单独写一下,只需要知道它与loam系不同就可以,能实现高速运动校准,用于UGV、UAV都可以,计算资源较少。

fast-lio2实例运行_第1张图片

下面来说一下它的试安装与试运行:

1. 源码下载

https://github.com/hku-mars/FAST_LIO

在git上下载之后,也可以通过git clone拉下来 

 git clone https://github.com/hku-mars/FAST_LIO.git
 cd FAST_LIO
 git submodule update --init

2.配置环境

PCL >= 1.8, PCL的安装可以参考CSDNhttps://mp.csdn.net/mp_blog/creation/editor/121633692

Eigen >= 3.3.4,

还有安装livox 雷达的SDK, ROS驱动,先装SDK再编译驱动,SDK安装到机器上,ROS驱动放置在fast-lio的工作空间一块编译。因为fast-lio1是只基于固态雷达livox开发的,后面作者优化算法同时增加了一些机械雷达的接口,所以编译还需用livox的SDK的。

SDK链接

GitHub - Livox-SDK/Livox-SDK: Drivers for receiving LiDAR data and more

ROS驱动

https://github.com/Livox-SDK/livox_ros_driver

2.若用git下载源码时,网速太卡,不能使用git clone 时,会发现直接下载的include中ikd-Tree文件夹是空的,因为源码git提供了一个git链接,可以自己去下,fast-lio2一大创新就在于使用了ikd-Tree来维护大量的地图点。

https://github.com/hku-mars/ikd-Tree

选择fast-lio分支,否则编译会出错的

https://github.com/hku-mars/ikd-Tree/tree/fast_liohttps://github.com/hku-mars/ikd-Tree/tree/fast_lio3.然后就catkin_make 搞定

4.使用velodyne 机械雷达,需要修改对于的yaml参数和maping_velodyne.launch文件,看着改就好,参数不多

source devel/setup.bash
roslaunch fast_lio mapping_velodyne.launch

 效果很棒fast-lio2实例运行_第2张图片

cpu消耗真低,单进程消耗在单核150%cpu附近, i7戴尔笔记本。 

你可能感兴趣的:(fast-lio2,自动驾驶,cmake,slam)