专栏相关文章:
一:Tixiao Shan最新力作LVI-SAM(Lio-SAM+Vins-Mono),基于视觉-激光-惯导里程计的SLAM框架,环境搭建和跑通过程_goldqiu的博客-CSDN博客
二.激光SLAM框架学习之A-LOAM框架---介绍及其演示_goldqiu的博客-CSDN博客
八.激光SLAM框架学习之LeGO-LOAM框架---框架介绍和运行演示_goldqiu的博客-CSDN博客
十一.激光惯导LIO-SLAM框架学习之LIO-SAM框架---框架介绍和运行演示_goldqiu的博客-CSDN博客
十二.激光SLAM框架学习之livox-loam框架安装和跑数据集_goldqiu的博客-CSDN博客
二十二.香港大学火星实验室R3LIVE框架跑官方数据集_goldqiu的博客-CSDN博客
七.激光SLAM框架学习之A-LOAM框架---速腾Robosense-16线雷达室内建图_goldqiu的博客-CSDN博客
九.激光SLAM框架学习之LeGO-LOAM框架---速腾Robosense-16线雷达室外建图和其他框架对比、录包和保存数据_goldqiu的博客-CSDN博客
十三.激光SLAM框架学习之livox-Mid-70雷达使用和实时室外跑框架_goldqiu的博客-CSDN博客
十六.激光和惯导LIO-SLAM框架学习之配置自用传感器实时室外跑LIO-SAM框架_goldqiu的博客-CSDN博客
十八.多个SLAM框架(A-LOAM、Lego-loam、LIO-SAM、livox-loam)室外测试效果粗略对比分析_goldqiu的博客-CSDN博客
二十六-香港大学火星实验室FAST-LIO2框架跑自录数据集(Mid-70和SBG-Ellipse-N惯导)_goldqiu的博客-CSDN博客
十四.激光和惯导LIO-SLAM框架学习之惯导内参标定_goldqiu的博客-CSDN博客
十五.激光和惯导LIO-SLAM框架学习之惯导与雷达外参标定(1)_goldqiu的博客-CSDN博客
二十.激光、视觉和惯导LVIO-SLAM框架学习之相机内参标定_goldqiu的博客-CSDN博客
二十一.激光、视觉和惯导LVIO-SLAM框架学习之相机与雷达外参标定(1)_goldqiu的博客-CSDN博客
三.激光SLAM框架学习之A-LOAM框架---项目工程代码介绍---1.项目文件介绍(除主要源码部分)_goldqiu的博客-CSDN博客
四.激光SLAM框架学习之A-LOAM框架---项目工程代码介绍---2.scanRegistration.cpp--前端雷达处理和特征提取_goldqiu的博客-CSDN博客
五.激光SLAM框架学习之A-LOAM框架---项目工程代码介绍---3.laserOdometry.cpp--前端雷达里程计和位姿粗估计_goldqiu的博客-CSDN博客
六.激光SLAM框架学习之A-LOAM框架---项目工程代码介绍---4.laserMapping.cpp--后端建图和帧位姿精估计(优化)_goldqiu的博客-CSDN博客
十.激光SLAM框架学习之LeGO-LOAM框架---算法原理和改进、项目工程代码_goldqiu的博客-CSDN博客
十七.激光和惯导LIO-SLAM框架学习之IMU和IMU预积分_goldqiu的博客-CSDN博客
十九.激光和惯导LIO-SLAM框架学习之项目工程代码介绍---代码框架和一些文件解释_goldqiu的博客-CSDN博客
二十三.激光和惯导LIO-SLAM框架学习之LIO-SAM项目工程代码介绍---基础知识_goldqiu的博客-CSDN博客
从这篇博客就开始进入到Localization、Navigation部分了
二十五.SLAM中Mapping和Localization区别和思考
Planning
一.路径规划---二维路径规划仿真实现-gmapping+amcl+map_server+move_base_goldqiu的博客-CSDN博客
二.路径规划---二维路径规划实车实现---gmapping+amcl+map_server+move_base_goldqiu的博客-CSDN博客
该图为GNSS静止状态下的经纬高数据,可看到经纬度为厘米级(小数点第6位代表厘米),高程方面为绝对误差10cm,相对误差正负5cm(单位是m),也是可以接受的。
该图为闭合路径下的经纬高数据,可以作为grouthtruth来评判Mapping的效果。
点云地图:
轨迹:
点云:
略
轨迹:
在点云方面:
六轴比九轴更加可靠,尤其表现在大角度拐弯(超过90°),6轴点云地图未截图。
在轨迹方面:
较粗的轨迹为GNSS的里程轨迹,可视为groundtruth,对比MATLAB分析下也是一致的。
较细的轨迹为雷达和IMU的里程轨迹,可以看到六轴远比九轴效果更好,无论是在轮廓一致性和偏移量上看。
点云地图:
轨迹:
点云地图:
轨迹:
在点云地图方面:
六轴比九轴的效果要好,原因在于LIO-SAM融合GNSS的原理是融合GNSS里程和IMU、雷达里程,而前面实验可看出九轴下的GNSS里程和IMU、雷达里程偏离太多,而六轴较好。
在轨迹方面:
六轴和九轴下,GNSS里程都对IMU、雷达轨迹有一定的修正,但是六轴效果最佳,可看到轨迹基本重合了,去掉GNSS的里程轨迹,只发现中间有一点断层,怀疑是信号的问题。
采用六轴与雷达融合(未融合GNSS):
采用六轴与雷达、GNSS融合:(全局约束)
定位点为第二张图彩色点云块的中心,即校园道路中。两图可以明显对比,GNSS全局约束下建图后定位更加准确,因为第一张图的彩色点云块的中心为建筑内部,而实际测试的定位点在道路中。原因是上面分析的未加全局约束的轨迹有一定角度的偏移,如下:
而全局约束偏移较小: