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
那雨倾城5 小时前
光流法处理水流:原理与应用
图像处理·人工智能·python·目标检测·计算机视觉
go546315846517 小时前
复现一篇关于图像处理和计算机视觉中目标检测模型算法论文的详细步骤及示例代码
图像处理·目标检测·计算机视觉
知来者逆1 天前
YOLOv12 ——基于卷积神经网络的快速推理速度与注意力机制带来的增强性能结合
深度学习·yolo·目标检测·计算机视觉·视觉检测·yolov12
shanks661 天前
【AAAI2025】风车卷积替代标准卷积,增强了底层特征提取能力
人工智能·深度学习·目标检测·红外小目标
YANQ6622 天前
4. designer建立关于目标检测的简单界面(python)
人工智能·python·目标检测
阿_旭2 天前
基于YOLO11深度学习的苹果叶片病害检测识别系统【python源码+Pyqt5界面+数据集+训练代码】
人工智能·python·深度学习·目标检测·yolo11
Coovally AI模型快速验证3 天前
DeepSeek引领目标检测新趋势:如何通过知识蒸馏优化模型性能
人工智能·深度学习·目标检测·机器学习·计算机视觉·目标跟踪
一勺汤3 天前
YOLO11改进-模块-引入混合结构模块Mix Structure Block 提高多尺度、小目标
yolo·目标检测·改进·魔改·yolo11·yolov11·yolo11改进
JaydenQ3 天前
如何使用3D高斯分布进行环境建模
slam
量子-Alex4 天前
【目标检测】【BiFPN】EfficientDet:Scalable and Efficient Object Detection
人工智能·目标检测·计算机视觉