注意：不支持Ubuntu 16.04及更低版本 FAST-LIO 2.0 将于2021年3月底发射。 新的功能： 更快更好 更高的频率； 更多的LiDAR支持（Horizo​​n和Ouster 64）； 支持基于ARM的嵌入式平台。 FAST-LIO FAST-LIO （快速LiDAR惯性里程计）是一种计算效率高且功能强大的LiDAR惯性里程计套件。它使用紧密耦合的迭代扩展卡尔曼滤波器将LiDAR特征点与IMU数据融合在一起，从而在发生退化的快速运动，嘈杂或混乱的环境中实现强大的导航能力。我们的软件包解决了许多关键问题： 快速迭代的卡尔曼滤波器，用于里程计优化； 在最稳定的环境下自动初始化； 并行KD-Tree搜索以减少计算量； 强大的特征提取； 开发者 ：激光贴图和姿势优化； ：特征提取。 要了解更多详细信息，请参阅我们的相关文章：） 我们的相关论文：现在可以在arxiv上获得我

livox SDK关于雷达的SDK

大疆的livox的激光雷达的原理文献，重网上下载，分享出去！

C#调用livox 激光探测测距仪的dll

Livox Viewer 0.11.0.zip请勿下载

1引言 Livox SDK是为所有Livox产品设计的软件开发套件。 它基于Livox SDK通信协议基于C / C ++开发，并提供易于使用的C样式API。 使用Livox SDK，用户可以快速连接到Livox产品并接收点云数据。 Livox SDK包含Livox SDK通信协议，Livox SDK核心，Livox SDK API，Linux示例和ROS演示。 先决条件 x86和ARM的Ubuntu 14.04 / Ubuntu 16.04 / Ubuntu 18.04（Nvidia TX2） Windows 7/10，Visual Studio 2015更新3/2017/2019 C ++ 11编译器 2 Livox SDK通信协议 Livox SDK通信协议向所有用户开放。 它是用户程序和Livox产品之间的通信协议。 该协议由控制命令和数据格式组成。 有关详细信息，请参阅。

livox_camera_calib livox_camera_calib是无目标环境中高分辨率LiDAR（例如Livox）和相机之间的可靠，高精度的外部校准工具。 我们的算法可以在室内和室外场景中运行，并且仅需要场景中的边缘信息。 如果场景合适，我们可以达到类似于或什至超越基于目标的方法的像素级精度。 室外校准方案的示例。 我们使用校准的外部图像对点云进行着色，并与实际图像进行比较。 A和C是点云的局部放大视图。 B和D是相机图像中与A和C中的点云相对应的部分。 源代码将很快发布。 相关论文 可在arxiv上找到的相关论文： 相关影片 相关视频： :

Livox Viewer是一款专为Livox激光探测测距仪和Liovx Hub设计的，可用于实时显示连接至计算机的所有激光探测测距仪点云数据的软件。 通过Livox Viewer，用户可轻松查看、记录并储存点云数据，以便后期使用。

摄像机标定matlab代码 Camera-LiDAR校准手册 该解决方案提供了一种手动校准Livox LiDAR与摄像机之间的外部参数的方法，该方法已在Mid-40，Horizo​​n和Tele-15系列上得到验证。 它包括相机固有参数的校准，校准数据的获取，相机与LiDAR之间外部参数的计算以及相机LiDAR融合应用的一些示例。 在此解决方案中，板角用作校准目标。 借助Livox LiDAR的非重复扫描特性，我们可以更轻松地找到高密度点云中拐角的准确位置。 同时，我们可以获得更好的校准结果和更好的LiDAR相机融合。 使用以下链接下载数据示例，该数据用于校准内在和外在参数。 数据已经保存在默认路径中。 步骤1：环境配置 （以下校准过程是在Ubuntu 64位16.04环境下进行的） 1.1安装环境和驱动程序 安装ROS环境，然后安装和。 如果它们已经安装，则可以跳过此步骤。 # install Livox_SDK git clone https://github.com/Livox-SDK/Livox-SDK.git cd Livox-SDK sudo ./third_party/a

PCL库三维重建 一，介绍 利用C ++ PCL库对KITTI数据集进行三维重建 利用livox激光雷达和hikvision相机进行三维重建 二，环境： VS2017 + PCL1.8.1 三，实验步骤： 3.1 KITTI三维重建 用KITTI的配准信息将点云投影到图像上获得真彩色点云 滤波 重采样平滑 法线计算 将点云坐标，颜色，法线信息合在一起 网格化（贪心三角化） 3.2 Livox-hikvision三维重建 读取.lvx文件，转换成pcd文件 读取hikvision拍摄视频 后续方法同2.1 补充：利用深度图进行网格化 四，结果： 4.1贪婪投影三角法网格化 1.真彩色点云（KITTI） 2.贪婪投影三角化（KITTI） 3.真彩色点云（lvx-5帧30000点） 4.贪婪投影三角化（lvx-5帧30000点） 随着处理帧数的增加，网格会更多致密，空洞会减少，但后续仍需要进行