无环SLAM系统集成后端回环检测模块(loop):SC-A-LOAM以及FAST_LIO_SLAM

最近在研究SLAM目标检测相关知识,看到一篇论文,集成了SC-A-LOAM作为后端回环检测模块,在学习了论文相关内容后决定看一下代码知识,随后将其移植,学习过程中发现我找的论文已经集成了回环检测模块,但是我的另一篇base并没有集成回环检测模块,不过后面调研发现这个回环检测模块可以方便的进行移植,下面简单总结一下这个后端回环模块的使用方式:

下面的FAST-LIO是在A-LOAM的基础上发展的后端回环模块集成到FAST算法上,首先参考SC-A-LOAM官网介绍:

根据官网介绍想要集成所提出的后端回环检测模块,只要要在已有的雷达里程计模块中输出一个里程计话题和一个扫描帧话题即可。
仅仅根据这个介绍相信还是不太容易上手,非常抽象,由于我选择的论文参考的FAST集成后的FAST-LIO-SLAM,所以我下面以FAST-LIO-SLAM为例说明如何集成SC-PGO回环检测模块

FAST-LIO-SLAM目录结构:

我们需要需要做两步,1.将FAST-LIO更改为自己的前端SLAM系统;2. 更改上图中SC-PGO模块中的里程计以及帧订阅话题。第一步需要结合自己选择的算法进行更改。第二部主要修改下述文件:

  • 修改lidar_type中的value为自己的雷达类型,如我的代码中的是:VLP16。这一步需要调研SC-PGO是否支持你的雷达类型。
  • 修改下面方框中的 /Odometry_after_opt 和 /loop_map为自己的里程计系统发布的里程计以及雷达帧话题,如果没有的话需要修改代码实现发布这两个话题。
  • **关于为什么FAST-LIO-SLAM集成的SC-PGO系统有三个话题映射:**上图最后一个方框下面一行的/cloud_for_scancontext的重映射,在FAST-LIO-SLAM代码中全局搜索/cloud_for_scancontext发现只有launch文件中这一处使用到的,其他地方没有,所以我考虑这个话题重映射是没有实际意义的,同时我选择的代码中也没有映射这个话题,可以考虑这个话题的影响。

按照上面步骤完成后就实现将回环检测模块集成到自己的SLAM系统中。

相关推荐
动物园猫19 小时前
塑料瓶目标检测数据集:3,000张图像 | 目标检测
人工智能·目标检测·计算机视觉
懷淰メ1 天前
【AI赋能】基于PyQt+YOLO+DeepSeek水上漂浮物检测系统(详细介绍)
人工智能·yolo·目标检测·计算机视觉·pyqt·漂浮物·水上漂浮物
泛泛7辈2 天前
通过matlab训练和验证深度学习的目标检测
深度学习·目标检测·matlab
AI棒棒牛2 天前
YOLO26损失地图绘制:只改权重和数据集路径即可生成损失地图(Loss Landscape)
人工智能·深度学习·目标检测·yolo26
梦想三三3 天前
YOLOv5 口罩目标检测实战(一):项目整体介绍与数据准备
人工智能·yolo·目标检测
江畔柳前堤4 天前
重新理解“方差“:从统计学到LLM的七个维度
人工智能·深度学习·神经网络·目标检测·机器学习·自然语言处理·语音识别
探物 AI4 天前
YOLO 目标检测中的特征是如何流动的
yolo·目标检测·目标跟踪
kobesdu5 天前
激光雷达运动畸变是怎么来的,FAST-LIO又如何用IMU反向传播消除它?
ros·slam·fastlio
FriendshipT6 天前
Ultralytics:简要解读YOLOv8 → YOLO11 → YOLO26网络架构
人工智能·pytorch·python·深度学习·yolo·目标检测
jay神6 天前
基于YOLOv8行人车辆检测系统
深度学习·yolo·目标检测·计算机视觉·毕业设计