Hdl_graph_slam论文及代码解析_后端优化

1. 针对性设计的平面提取方法

​ 因为这里使用的传感器其实一个组装的VLP16型多线激光雷达+相机+imu的背包激光扫描仪,作者考虑到LiDAR有一定的安置误差(提前肯定标定了的,e.g.倾角),而本文使用的又是室内场景平面,因此需要根据一个仪器安装的先验确定z轴方向指向哪里(默认传感器的坐标系为右前上,z轴指向天空)。得到这个倾角主要是为了修正LiDAR坐标系的z轴方向。这对后续的高度滤波和地面点判断都有一定的影响。

​ 在提取平面时,为了提升效率,首先基于扫描仪的高度,通过高度滤波将一定高度之外的点去掉,同时对剩下的点云计算法向量(通过提前性的点云剔除,可以提升这里的计算效率)进行过滤,和z方向进行比较,保留地面点(和z轴夹角小就说明方向近似),用RANSAC的方式拟合平面参数方程。 这样就可以以较快的速度从单帧点云中提取出一个合适的平面。注意:原文中写的是直接用RANSAC提取平面的,这个非常的费时间,实际操作并不是这样子来的。

MLS position inconsistency correction

Supplementary video of paper "MuCoGraph: A Multi-scale Constraint Enhanced Pose Graph Framework for MLS Point Cloud Inconsistency Correction", Accepted by Journal of Photogrammetry and Remote Sensing SCI1-TOP, IF=12.7.

CloudCompare源代码学习

目的

想使用一下CloudCompare自带的八叉树,替换掉nanoflann。nanoflann在某些特殊场景下返回的结果是有问题的,导致程序出现异常。

pcl中的体素滤波

体素滤波

  Voxel滤波作为一种很常见的滤波方法,但是其PCL内部代码却值得学习,因此今天转载一篇关于pcl中实现的体素滤波的方法。
基本上参考博客:https://blog.csdn.net/u013630299/article/details/105661194

Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×