r2live:R2LIVE是一个健壮的实时紧密耦合的多传感器融合框架,该框架融合了来自LiDAR,惯性传感器,视觉相机的测量结果,以实现可靠,准确的状态估计-源码

上传者: 42097914 | 上传时间: 2021-06-01 14:27:28 | 文件大小: 5.25MB | 文件类型: ZIP
R2LIVE 鲁棒,实时,LiDAR-Inertial-Visual紧密耦合状态估计器和映射 R2LIVE是一个健壮的实时紧密耦合的多传感器融合框架,该框架融合了来自LiDAR,惯性传感器,视觉摄像机的测量结果,以实现健壮,准确的状态估计。 利用所有传感器的测量优势,我们的算法对于各种视觉故障,LiDAR退化场景具有足够的鲁棒性,并且能够在机载计算平台上实时运行,如室内,室外进行的大量实验所示,以及不同规模的混合环境。 在(d)中显示了香港大学主楼的重建3D地图,在(a)和(b)中显示了带有对应全景图像的细节点云。 (c)表明我们的算法可以自行关闭循环(返回起点),而无需任何其他处理(例如循环闭合)。 在(e)中,我们将地图与卫星图像合并,以进一步检查系统的准确性。 我们在一个由拥挤的大厅和很长的狭窄隧道组成的香港地铁站中评估了算法,如(a)所示。 该隧道长达190美元,长满了移动的行

文件下载

资源详情

[{"title":"( 5 个子文件 5.25MB ) r2live:R2LIVE是一个健壮的实时紧密耦合的多传感器融合框架,该框架融合了来自LiDAR,惯性传感器,视觉相机的测量结果,以实现可靠,准确的状态估计-源码","children":[{"title":"r2live-master","children":[{"title":"pics","children":[{"title":"station.png <span style='color:#111;'> 884.62KB </span>","children":null,"spread":false},{"title":"cover.png <span style='color:#111;'> 2.11MB </span>","children":null,"spread":false},{"title":"main_building.png <span style='color:#111;'> 1.95MB </span>","children":null,"spread":false}],"spread":true},{"title":"README.md <span style='color:#111;'> 1.60KB </span>","children":null,"spread":false},{"title":"supply","children":[{"title":"r2live_Supplementary_material.pdf <span style='color:#111;'> 341.10KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明