Thanks to LOAM, A-LOAM, and LIO-SAM code authors. The major codes in this repository are borrowed from their efforts.
代码:https://github.com/gisbi-kim/SC-A-LOAM
编译:点云PCL
本文仅做学术分享,如有侵权,请联系删除。
本文来自点云PCL博主的分享,未经作者允许请勿转载,欢迎各位同学积极分享和交流。
摘要
该开源库是在A-LOAM的基础上在增加了回环检测和位姿图优化模块(名为SC-PGO)
该库也在FAST-LIO2激光里程计中集成了。其代码位于 :
https://github.com/gisbi-kim/SC-A-LOAM
https://github.com/gisbi-kim/FAST_LIO_SLAM
主要内容及贡献
实时激光雷达SLAM集成了A-LOAM和ScanContext。
此库旨在展示ScanContext的便捷适用性。
SC-A-LOAM特点
依赖
主要依赖ROS、Ceres(用于A-LOAM)和GTSAM(用于姿势图优化)。
实验
MulRan数据集
提供了激光雷达扫描点云( Ouster OS1-64,水平安装,10Hz)和消费者级gps(U-Blox EVK-7P,4Hz)数据。
KITTI (HDL-64 获取点云数据)
室内场景
数据保存和地图构建
支持每个关键帧的位姿和扫描点云数据的保存,使用这些保存的数据,可以离线构建地图(在ROI内)。请参阅utils/python/makeMergedMap.py和对应教程。下面是MulRan数据集KAIST 03的合并地图的示例结果,使用CloudCompare可视化结果。
总结
A-LOAM的基础上在增加了回环检测和位姿图优化模块。也是LOAM系列SLAM方案的扩展和优化。