file-type

Livox LiDAR映射包解析:实现多激光雷达低速场景映射

ZIP文件

下载需积分: 50 | 40.1MB | 更新于2025-03-10 | 136 浏览量 | 10 下载量 举报 2 收藏
download 立即下载
标题所指的知识点为“Livox_mapping”,这是一款针对Livox LiDAR激光雷达的映射软件包。根据描述,该软件包目前提供了基础的低速映射功能。这意味着软件可以将多个Livox激光雷达的数据进行处理,以实现对环境的三维重建或者地图生成。这里提到的几个关键问题值得深入探讨: 1. 支持多个Livox激光雷达:这说明软件包能够处理并整合多个激光雷达设备收集到的数据。这在需要广范围或高精度扫描的应用场景中特别重要,例如自动驾驶、机器人导航和障碍物检测等。 2. 不同特征提取:指的是软件能够识别并提取环境中不同的特征,如平面、边缘、角点等。特征提取是构建地图的基础,对后续的定位、导航等功能至关重要。 3. 删除里程表(FOV):该提示意味着在处理地图时,对于视野(Field of View)较小的场景,软件包可能需要某种机制来剔除或校正里程计数据,以保证映射的准确。 4. 引用LOAM和LOAM_NOTED:这里提及的LOAM是激光雷达里程计与地图构建算法(Lidar Odometry and Mapping in Tight Spots),是机器人和自动驾驶领域常用的地图构建算法之一。它的变体LOAM_NOTED在此上下文中可能是指针对特定硬件或软件需求而优化的版本。 描述中也简要列出了运行此软件包的先决条件,包括操作系统、编程库和驱动程序: 1. Ubuntu和ROS:Ubuntu是广泛应用于机器人和自动驾驶领域的操作系统,ROS即Robot Operating System,是一个用于机器人软件开发的灵活框架,它提供了工具、库和约定,使得构建复杂、可靠且可复用的机器人行为变得更加简单。此处提到的ROS动力学(Kinetic)和旋律(Melodic)是两个版本名称。 2. PCL(Point Cloud Library)、Eigen和OpenCV:PCL是一个用于点云处理的开源库,支持多种编程语言和平台,广泛用于2D/3D图像和点云处理。Eigen是一个高级C++库,用于线性代数、矩阵和向量运算等。OpenCV是一个开源的计算机视觉和机器学习软件库,它包含许多常用的视觉处理算法。 3. livox_ros_driver:这是Livox公司为其激光雷达产品提供的ROS驱动程序,允许ROS系统直接接入和控制Livox LiDAR。 在建立(安装)livox_mapping软件包时,按照以下步骤进行: 1. 先下载并克隆仓库到本地开发环境中。 2. 进入开发空间的源代码目录(src)。 3. 使用git clone命令克隆livox_mapping的代码库到本地。 4. 返回到开发空间的根目录。 5. 运行catkin_make命令来编译整个ROS工作空间。 最后,根据提供的文件名“livox_mapping-master”,这是该软件包的主目录名称。该名称可能意味着软件包为“master”版本,通常主分支包含了最新的开发版本,可能包含最新的功能以及修复了之前版本存在的问题。 以上详细阐述了“livox_mapping”软件包中所包含的知识点,以及如何安装使用该软件包所需的环境和步骤。对于希望在Linux环境下进行机器人或自动驾驶系统开发的用户来说,理解和掌握这些知识是至关重要的。

相关推荐

filetype

对下面faster_lio的config中rshelios.yaml文件进行修改common: lid_topic: "/rslidar_points" imu_topic: "/imu/data" # IMU 话题名称 imu_gravity_align: true # 自动对齐重力方向 frame_id_base: "base_link" voxel_size: 0.1 # 根据雷达精度调整体素降采样参数 time_sync_en: false # ONLY turn on when external time synchronization is really not possible preprocess: lidar_type: 2 # 1 for Livox serials LiDAR, 2 for Velodyne LiDAR, 3 for ouster LiDAR, scan_line: 32 blind: 2 time_scale: 1e-3 # 兼容不同数据集的时间单位,仅对Velodyne LiDAR(lidar_type=2)生效 mapping: acc_cov: 0.1 gyr_cov: 0.1 b_acc_cov: 0.0001 b_gyr_cov: 0.0001 fov_degree: 70 det_range: 200.0 extrinsic_est_en: true # true: enable the online estimation of IMU-LiDAR extrinsic extrinsic_T: [ 0.188, 0, 0.28 ] extrinsic_R: [ 1, 0, 0, 0, 1, 0, 0, 0, 1 ] publish: path_publish_en: false scan_publish_en: true # false: close all the point cloud output scan_effect_pub_en: true # true: publish the pointscloud of effect point dense_publish_en: true # false: low down the points number in a global-frame point clouds scan. scan_bodyframe_pub_en: true # true: output the point cloud scans in IMU-body-frame path_save_en: true # 保存轨迹,用于精度计算和比较 pcd_save: pcd_save_en: true interval: -1 # how many LiDAR frames saved in each pcd file; # -1 : all frames will be saved in ONE pcd file, may lead to memory crash when having too much frames. feature_extract_enable: false point_filter_num: 1 # 降采样率(1 表示不降采样,2 表示保留 50% 点云) voxel_size: 0.5 # 体素滤波分辨率(单位:米,越小精度越高) max_iteration: 3 filter_size_surf: 0.5 filter_size_map: 0.5 cube_side_length: 1000 filter_size: 0.3 ivox_grid_resolution: 0.5 # default=0.2 ivox_nearby_type: 18 # 6, 18, 26 esti_plane_threshold: 0.1 # default=0.1

filetype