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
YOLO数据集集合4 小时前
番茄病害智能诊断系统:YOLO+DeepSeek农业AI落地实践
人工智能·yolo·目标检测·计算机视觉
YOLO数据集集合13 小时前
多模态AI道路病害检测系统:YOLO+DeepSeek融合实战
人工智能·yolo·目标检测·计算机视觉·目标跟踪
YOLO数据集集合21 小时前
吊装作业的“电子围栏”:YOLOV13如何用AI框住塔吊下的致命风险
人工智能·安全·yolo·目标检测
阿钱真强道1 天前
13 YOLOv8的ONNX输出结构——9个张量如何变成检测框
目标检测·onnx·yolov8·nms·dfl
FriendshipT1 天前
Ultralytics:解读SPPF模块
人工智能·pytorch·python·深度学习·目标检测
是Dream呀2 天前
YOLOv8-QSD: 革新自动驾驶视觉感知的小目标检测算法
yolo·目标检测·自动驾驶
FriendshipT2 天前
Ultralytics:解读PSA模块
人工智能·pytorch·python·深度学习·目标检测
bing_feilong3 天前
FAST_LIO2(2): 运行记录
机器学习·slam
2601_962851744 天前
计算机毕业设计之基于SSM的网络安全课程资源分享平台
vue.js·算法·安全·web安全·yolo·目标检测·课程设计
AI棒棒牛4 天前
YOLO26 全网独家改进创新:ECCV2026 PriorEye 主干网络改进,引入视觉-空间先验门控 Backbone,复杂场景涨点新思路!
人工智能·神经网络·目标检测·yolo26