R3LIVE:一个鲁棒、实时、RGB贴图的激光雷达惯性视觉紧耦合状态估计和建图方案...
文章：R3LIVE: A Robust, Real-time, RGB-colored, LiDAR-Inertial-Visual tightly-coupled state Estimation and mapping package
作者：Jiarong Lin and Fu Zhang
编译：点云PCL
代码：https://github.com/hku-mars/r3live.git
来源：arXiv 2021
欢迎各位加入免费知识星球，获取PDF论文，欢迎转发朋友圈。文章仅做学术分享，如有侵权联系删文。未经博主同意请勿擅自转载。
论文阅读模块将分享点云处理，SLAM，三维视觉，高精地图相关的文章。公众号致力于理解三维视觉领域相关内容的干货分享，欢迎各位加入我，我们一起每天一篇文章阅读，开启分享之旅,有兴趣的可联系微信[email protected]。
摘要
在这篇文章中作者提出了一种新的激光雷达惯导视觉传感器融合框架R3LIVE，该框架利用激光雷达、惯导和视觉传感器的测量来实现鲁棒和准确的状态估计。R3LIVE包含两个子系统，即激光雷达惯性里程计（LIO）和视觉惯性里程计（VIO）,LIO子系统（FASTLIO）利用激光雷达和惯导传感器的测量结果，构建全局地图的几何结构（即3D点的位置）,VIO子系统利用视觉惯导传感器的数据并渲染地图的纹理（即3D点的颜色）,更具体地说，VIO子系统通过最小化帧到贴图的光度误差，直接有效地融合视觉数据。所开发的系统R3LIVE是在我们之前的工作R2LIVE的基础上开发的，经过仔细的架构设计和实现。实验结果表明，与目前的同类系统相比，该系统在状态估计方面具有更强的鲁棒性和更高的准确性。
3D应用领域
R3LIVE是一个面向各种可能应用的多功能、精心设计的系统，它不仅可以作为实时机器人应用的SLAM系统，还可以为测绘等应用稠密重建、精确、RGB贴图的3D点云地图。此外，为了使R3LIVE更具可扩展性，我们开发了一系列用于重建和纹理网格的离线实用程序，这进一步缩小了R3LIVE与各种3D应用程序（如模拟器、视频游戏等）之间的差距。为了分享我们的发现并为社区做出贡献，我们在Github3上开放源代码R3LIVE：https://github.com/hku-mars/r3live.git
图1 R3LIVE 流程概述
资源
三维点云论文及相关应用分享
【点云论文速读】基于激光雷达的里程计及3D点云地图中的定位方法
3D目标检测：MV3D-Net
三维点云分割综述（上）
3D-MiniNet: 从点云中学习2D表示以实现快速有效的3D LIDAR语义分割（2020）
win下使用QT添加VTK插件实现点云可视化GUI
JSNet：3D点云的联合实例和语义分割
大场景三维点云的语义分割综述
PCL中outofcore模块---基于核外八叉树的大规模点云的显示
基于局部凹凸性进行目标分割
基于三维卷积神经网络的点云标记
点云的超体素(SuperVoxel)
基于超点图的大规模点云分割
更多文章可查看：点云学习历史文章大汇总
SLAM及AR相关分享
【开源方案共享】ORB-SLAM3开源啦！
【论文速读】AVP-SLAM：自动泊车系统中的语义SLAM
【点云论文速读】StructSLAM:结构化线特征SLAM
SLAM和AR综述
常用的3D深度相机
AR设备单目视觉惯导SLAM算法综述与评价
SLAM综述(4)激光与视觉融合SLAM
Kimera实时重建的语义SLAM系统
SLAM综述(3)-视觉与惯导，视觉与深度学习SLAM
易扩展的SLAM框架-OpenVSLAM
高翔：非结构化道路激光SLAM中的挑战
SLAM综述之Lidar SLAM
基于鱼眼相机的SLAM方法介绍
如果你对本文感兴趣，请后台发送“知识星球”获取二维码，务必按照“姓名+学校/公司+研究方向”备注加入免费知识星球，免费下载pdf文档，和更多热爱分享的小伙伴一起交流吧！
以上内容如有错误请留言评论，欢迎指正交流。如有侵权，请联系删除
扫描二维码
关注我们
让我们一起分享一起学习吧！期待有想法，乐于分享的小伙伴加入免费星球注入爱分享的新鲜活力。分享的主题包含但不限于三维视觉，点云，高精地图，自动驾驶，以及机器人等相关的领域。
分享及合作方式：微信“920177957”（需要按要求备注） 联系邮箱：[email protected]，欢迎企业来联系公众号展开合作。
点一下“在看”你会更好看耶
