FAST-LIVO: 快速紧耦合的稀疏直接激光-惯性-视觉里程计
2026-01-21 05:21:38作者:沈韬淼Beryl
1. 项目基础介绍和主要编程语言
FAST-LIVO 是一个快速且紧耦合的稀疏直接激光-惯性-视觉里程计系统,由香港大学(HKU)的MARS实验室开发。该项目主要使用 C++ 编程语言,并依赖于ROS(Robot Operating System)进行开发和运行。
2. 项目核心功能
FAST-LIVO 系统构建在两个紧耦合且直接的里程计子系统之上:
- VIO子系统(视觉惯性里程计):通过最小化直接光度误差来对齐新图像,无需提取任何视觉特征(如ORB或FAST角点特征)。
- LIO子系统(激光惯性里程计):将新扫描的原始点(而非特征点,如边缘或平面)注册到增量构建的点云地图中。地图点附加有图像块,这些图像块在VIO子系统中用于对齐新图像。
3. 项目最近更新的功能
- 2024年7月3日:宣布即将发布 FAST-LIVO2,该版本在精度(像素级)、效率(首个应用于全自主无人机导航的LIVO系统)和鲁棒性(通过超过2TB的数据验证,在多种退化激光和相机场景中表现出色)方面有显著提升。
- 2023年12月7日:发布了一个详细的步骤指南,用于Livox Mid-360/Avia与相机之间的硬同步。
通过这些更新,FAST-LIVO 项目不仅在技术上取得了显著进展,还为社区提供了更多的实用工具和资源,进一步推动了激光-惯性-视觉融合技术的发展。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook09
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
678
1.33 K
Ascend Extension for PyTorch
Python
719
876
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
302
117
昇腾LLM分布式训练框架
Python
178
220