Thanks to LOAM, A-LOAM, and LIO-SAM code authors. The major codes in this repository are borrowed from their efforts.

代碼：https://github.com/gisbi-kim/SC-A-LOAM

編譯：點(diǎn)云PCL

本文僅做學(xué)術(shù)分享，如有侵權(quán)，請聯(lián)系刪除。歡迎各位加入免費(fèi)知識(shí)星球，獲取PDF論文，歡迎轉(zhuǎn)發(fā)朋友圈。內(nèi)容如有錯(cuò)誤歡迎評(píng)論留言，未經(jīng)允許請勿轉(zhuǎn)載！

公眾號(hào)致力于分享點(diǎn)云處理，SLAM，三維視覺，高精地圖相關(guān)的文章與技術(shù)，歡迎各位加入我們，一起每交流一起進(jìn)步,有興趣的可聯(lián)系微信：920177957。本文來自點(diǎn)云PCL博主的分享，未經(jīng)作者允許請勿轉(zhuǎn)載，歡迎各位同學(xué)積極分享和交流。

摘要

該開源庫是在A-LOAM的基礎(chǔ)上在增加了回環(huán)檢測和位姿圖優(yōu)化模塊（名為SC-PGO）

該庫也在FAST-LIO2激光里程計(jì)中集成了。其代碼位于 ：

https://github.com/gisbi-kim/SC-A-LOAM

https://github.com/gisbi-kim/FAST_LIO_SLAM

主要內(nèi)容及貢獻(xiàn)

實(shí)時(shí)激光雷達(dá)SLAM集成了A-LOAM和ScanContext。

• A-LOAM用于里程計(jì)模塊（即連續(xù)運(yùn)動(dòng)估計(jì)）

• ScanContext用于處理大漂移的粗略全局定位（即無初始姿勢的機(jī)器人位置識(shí)別問題）

• 并將GTSAM的iSAM2用于位姿圖優(yōu)化。

此庫旨在展示ScanContext的便捷適用性。

• 用戶應(yīng)該做的唯一事情就是包括Scancontext.h調(diào)用makeAndSaveScancontextAndKeys

  和 detectLoopClosureID。

SC-A-LOAM特點(diǎn)

• 魯棒的位置識(shí)別和回環(huán)閉合：將ScanContext作為回環(huán)檢測器集成到A-LOAM中，然后進(jìn)行基于ISAM2的姿勢圖優(yōu)化。

• 模塊化實(shí)現(xiàn)：與A-LOAM的唯一區(qū)別是添加了laserPosegraphOptimization.cpp文件,在新文件中，訂閱了點(diǎn)云topic和里程計(jì)topic（訂閱了從laserMapping.cpp發(fā)布的A-LOAM的結(jié)果）。也就是說，實(shí)現(xiàn)了對于任何前端里程計(jì)方法都是通用的，因此，我們的姿勢圖優(yōu)化模塊（即laserPosegraphOptimization.cpp）可以輕松地與任何里程計(jì)算法集成，如甚至非LOAM系列或甚至其他傳感器（例如視覺里程計(jì)）。

• 使用消費(fèi)級(jí)GPS進(jìn)行高度值穩(wěn)定：為了使結(jié)果更加可信，模塊支持基于GPS（消費(fèi)者級(jí)價(jià)格，如U-Blox EVK-7P）的高度值穩(wěn)定，眾所周知，LOAM系列方法在室外易受z軸值誤差的影響，這里僅對高度值使用穩(wěn)健損失，有關(guān)詳細(xì)信息，可參考laserPosegraphOptimization.cpp文件。

依賴

主要依賴ROS、Ceres（用于A-LOAM）和GTSAM（用于姿勢圖優(yōu)化）。

實(shí)驗(yàn)

MulRan數(shù)據(jù)集

提供了激光雷達(dá)掃描點(diǎn)云（ Ouster OS1-64，水平安裝，10Hz）和消費(fèi)者級(jí)gps（U-Blox EVK-7P，4Hz）數(shù)據(jù)。

?KITTI (HDL-64 獲取點(diǎn)云數(shù)據(jù))

室內(nèi)場景

數(shù)據(jù)保存和地圖構(gòu)建

支持每個(gè)關(guān)鍵幀的位姿和掃描點(diǎn)云數(shù)據(jù)的保存，使用這些保存的數(shù)據(jù)，可以離線構(gòu)建地圖（在ROI內(nèi)）。請參閱utils/python/makeMergedMap.py和對應(yīng)教程。下面是MulRan數(shù)據(jù)集KAIST 03的合并地圖的示例結(jié)果，使用CloudCompare可視化結(jié)果。

總結(jié)

A-LOAM的基礎(chǔ)上在增加了回環(huán)檢測和位姿圖優(yōu)化模塊。也是LOAM系列SLAM方案的擴(kuò)展和優(yōu)化。

基于LOAM的激光SLAM匯總

F-LOAM:基于激光雷達(dá)的快速里程計(jì)和建圖

SA-LOAM:具有語義輔助的回環(huán)檢測LOAM系統(tǒng)

F-LOAM:基于激光雷達(dá)的快速里程計(jì)和建圖

資源

三維點(diǎn)云論文及相關(guān)應(yīng)用分享

【點(diǎn)云論文速讀】基于激光雷達(dá)的里程計(jì)及3D點(diǎn)云地圖中的定位方法

3D目標(biāo)檢測：MV3D-Net

三維點(diǎn)云分割綜述（上）

3D-MiniNet: 從點(diǎn)云中學(xué)習(xí)2D表示以實(shí)現(xiàn)快速有效的3D LIDAR語義分割（2020）

win下使用QT添加VTK插件實(shí)現(xiàn)點(diǎn)云可視化GUI

JSNet：3D點(diǎn)云的聯(lián)合實(shí)例和語義分割

大場景三維點(diǎn)云的語義分割綜述

PCL中outofcore模塊---基于核外八叉樹的大規(guī)模點(diǎn)云的顯示

基于局部凹凸性進(jìn)行目標(biāo)分割

基于三維卷積神經(jīng)網(wǎng)絡(luò)的點(diǎn)云標(biāo)記

點(diǎn)云的超體素(SuperVoxel)

基于超點(diǎn)圖的大規(guī)模點(diǎn)云分割

更多文章可查看：點(diǎn)云學(xué)習(xí)歷史文章大匯總

SLAM及AR相關(guān)分享

【開源方案共享】ORB-SLAM3開源啦！

【論文速讀】AVP-SLAM：自動(dòng)泊車系統(tǒng)中的語義SLAM

【點(diǎn)云論文速讀】StructSLAM:結(jié)構(gòu)化線特征SLAM

SLAM和AR綜述

常用的3D深度相機(jī)

AR設(shè)備單目視覺慣導(dǎo)SLAM算法綜述與評(píng)價(jià)

SLAM綜述(4)激光與視覺融合SLAM

Kimera實(shí)時(shí)重建的語義SLAM系統(tǒng)

SLAM綜述(3)-視覺與慣導(dǎo)，視覺與深度學(xué)習(xí)SLAM

易擴(kuò)展的SLAM框架-OpenVSLAM

高翔：非結(jié)構(gòu)化道路激光SLAM中的挑戰(zhàn)

SLAM綜述之Lidar SLAM

基于魚眼相機(jī)的SLAM方法介紹

如果你對本文感興趣，請后臺(tái)發(fā)送“知識(shí)星球”獲取二維碼，務(wù)必按照“姓名+學(xué)校/公司+研究方向”備注加入免費(fèi)知識(shí)星球，免費(fèi)下載pdf文檔，和更多熱愛分享的小伙伴一起交流吧！

以上內(nèi)容如有錯(cuò)誤請留言評(píng)論，歡迎指正交流。如有侵權(quán)，請聯(lián)系刪除

掃描二維碼

? ? ? ? ? ? ? ? ? ?關(guān)注我們

讓我們一起分享一起學(xué)習(xí)吧！期待有想法，樂于分享的小伙伴加入免費(fèi)星球注入愛分享的新鮮活力。分享的主題包含但不限于三維視覺，點(diǎn)云，高精地圖，自動(dòng)駕駛，以及機(jī)器人等相關(guān)的領(lǐng)域。

分享及合作方式：微信“920177957”（需要按要求備注） 聯(lián)系郵箱：dianyunpcl@163.com，歡迎企業(yè)來聯(lián)系公眾號(hào)展開合作。

點(diǎn)一下“在看”你會(huì)更好看耶

總結(jié)

以上是生活随笔為你收集整理的SC-A-LOAM：在A-LOAM中加入回环检测的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。