FAST-LIVO2
FAST-LIVO2 copied to clipboard
hku-mars
FAST-LIVO2: Fast, Direct LiDAR-Inertial-Visual Odometry
您好，rviz中显示的点云地图，其中含有两部分，一个是着色的点云，一个是红色点的原始点云吗？在fast-livo2.rviz中找到了这两种点云的相关配置，但是在代码中，查找了话题/cloud_registered相关的代码，只发现着色点云的相关发布代码，没找到红色点的原始点云发布的代码，想请教下，红色点的原始点云发布的代码在哪里呢
Thanks for your awesome work.The radar camera data in the experiment of livo2 paper are all 10Hz or down-sampled to 10Hz. Do you need to ensure the same frequency? How...
郑博您好，感谢您的杰出贡献！我最近在自己搭建硬件平台复现您的工作，我的激光雷达和相机的位置关系如下：  其中激光雷达使用了MID360，相机采用了海康威视的MV_CB016，完成了硬件触发以及内外参标定等。我将相机和激光雷达同向放置时取得了较好的效果，但为了日后拓展多相机的需求，我重新将设备做成了上图所示的结构，但在我使用它运行时遇到了如下图所示的问题（已重新经过内外参标定）：  其中雷达正前方的视角为：  可见此时将相机视角下的图像信息匹配到了激光雷达正前方的视角下。我想请教一下这种安装方式如果想要获得正确的建图效果是否需要修改配置或者做代码适配？
Thank you for this great work! Bravo! Here's my question : is it possible that the newly added lidar points make a plane in the map turn to a non-plane?
点云与RGB结合失败
郑博您好！我运行fast_livo2得到的结果存在一些问题，具体表现如下：   我使用的传感器为mid360以及d435i，已经做过外参标定和时间同步，以下是时间同步后的lidar与相机timestamp效果：   想向您请教，出现以上结果，可能是在什么地方出了问题。 并且，以下是我使用的mid360.yaml参数：common: img_topic: "/color" lid_topic: "/livox/lidar" imu_topic: "/livox/imu" img_en: 1 lidar_en: 1 ros_driver_bug_fix: false extrin_calib: extrinsic_T: [-0.011, -0.02329, 0.04412] # extrinsic_R: [1, 0, 0,...
非常优秀的工作！我使用了郑博开源的fast-calib这项工作来进行外参标定，发现外参的标定效率以及准确度都得到极大的提升。 下面分享几点我在使用时的经历和需要注意的事项： 1、标定板的定制：我是在本地图文广告店定制的 (一般大一些的打印店都可以定制，我的是在赛可优数码印刷定制的)，到店以后跟店家提供需要制作的板子图片以及尺寸还有二维码的原图就可以，在这个网页 https://chev.me/arucogen/ 可以调整尺寸。一开始我想把板子做厚实一些，尽量减少变形带来的影响，选择了木塑板这种材质，标定效果并不好，我使用木塑板标定的外参平移结果大概从几十厘米到1米，基本无法使用，也找不到原因。后来经过郑博耐心调试和指导，发现这种材质对激光的反射率太低，表面会有糊的一堆杂乱点云。后来重新定制BT板 (表面pvc内部泡沫厚度5mm)，以及买了郑博推荐的白板架 https://e.tb.cn/h.6rLaIKxRMaEUZc6?tk=aLWcVisWr7Q 用来固定标定板，效果确实好了不少，但是可能是由于运输过程中板子在车里被弯曲，圆孔尺寸和二维码都有一定变形，对后续标定精度有一定影响。如果板子存在一定变形，可以试一下将marker size按照实际情况改小一些。我的marker实际尺寸为20cm，但板子有一定变形，我试着逐渐改小marker size数值，大概修改为18cm左右时计算得到的外参运行livo2赋色效果比较好。另外，要注意下marker size指的是黑色正方形边长，如果做了16cm或者18cm的，且没有形变，记得按照实际尺寸填写。上面提到的问题大家在做板子的时候尽量避免。   2、算法参数调试方式和评估标准：在算法运行完毕时，可以用终端打印的 [Result] RMSE数值 以及rviz中点云上色的情况来评估外参标定的结果，RMSE一般要求在2cm以内认为标定效果可用，最好可以调节在1cm以内。主要说一下算法中Distance filter六个数值的设置方法，算法根据这六个数值剔除数值以外的雷达点云，过滤的目标是尽量只留下标定板的点云，每次运行算法后，可以在rviz中订阅/filtered_cloud话题，我一般会将/filtered_cloud这个话题改成醒目的颜色以及将它的size改为0.001，比较容易看清楚点云的情况，通过修改这六个数值剔除到这个话题的点云基本只有标定板，没有别的杂乱点云后，再将数值微调来使RMSE数值最小。改Distance filter参数时我是先将范围相对改大一些，先在视野中发现标定板的全部点云，再向内缩小范围 (需要注意雷达点云的坐标系，避免修改时改错方向)。运行标定算法时，还可以根据/edge_cloud话题和/center_z0_cloud来观察标定的圆心是否在四个孔的中心来进行再次确认标定效果，同时观察最后的彩色点云赋色效果也是比较重要的。  3、一些注意点和我测试时效果较好的参数：标定环境尽量不要有强反光，如果实在不能避免，可以在地面布置一些毯子遮挡，标定板尽量离地，避免跟地面的点云粘连，不好修改滤波数值，我测试时相机雷达距离标定板3-5米左右。 最后，再次感谢郑博在我测试中给的耐心指导和帮助!!!   
🎉 We’ve recently developed an automatic target-based extrinsic calibration tool for LiDAR-camera systems! [Repository Link](https://github.com/hku-mars/FAST-Calib) **Key highlights include:** - Achieve highly accurate calibration results **in just 2 seconds**. - Support...
I am using the Unilidar L1 instead of Livox Lidar (config file= https://github.com/unitreerobotics/point_lio_unilidar/blob/main/config/unilidar_l1.yaml) . I have correctly updated the avia.yaml file topics. However, when I run **roslaunch fast_livo mapping_unilidar.launch **...
您好，我今天在用lidar_camera_calib标定外参的时候，发现标定后效果反而更差，这里放两张图   是用的单数据标定calib.launch，png和pcd分别来着rqt_image_viewer截图，fast-lio2建图，为什么会出现这种情况呢，可以给个方向吗？我反复试过四五次都是越标定越差 另外，好像lidar_camera_calib不能用fast-livo2输出的pcd? 因为我看fast-livo2的pcd只包含xyz rgb，在运行launch的时候会报没有intensity的警告，但是fast-lio2的不会。
求助
郑伯，我测试时，在房间效果可以，从门口转到走廊/在走廊转向/感应灯突然亮起时会发生漂移，是因为距离墙面过近导致的吗？我应该修改哪些参数来优化？此外，私有数据集最终会开放吗（Narrow Corridor，Long Corridor ，Mining Tunnel ）
