hdl_localization技术文档
hdl_localization是一个基于ROS的实时三维定位包,专为如Velodyne HDL32e和VLP16这样的3D激光雷达设计。它采用无迹卡尔曼滤波(UKF)进行姿态估计,结合了IMU数据初步估算传感器姿态,并通过多线程NDT(Normal Distributions Transform)扫描匹配进一步校正,提升定位精度。支持选择性地使用IMU信息,若不启用,则应用恒定速度模型。
安装指南
前提条件
确保您的系统已安装ROS(建议Melodic或更高版本)、PCL、OpenMP以及必要的编译工具。
步骤
-
克隆仓库:打开终端,进入您的catkin工作空间的
src目录。cd /your/catkin_ws/src接着,依次克隆所需的GitHub仓库:
git clone https://github.com/koide3/ndt_omp git clone https://github.com/SMRT-AIST/fast_gicp --recursive git clone https://github.com/koide3/hdl_localization git clone https://github.com/koide3/hdl_global_localization -
构建与编译 使用
catkin_make命令进行编译,可以选择开启CUDA加速。cd /your/catkin_ws catkin_make -DCMAKE_BUILD_TYPE=Release # 如需CUDA加速的VGICP # catkin_make -DCMAKE_BUILD_TYPE=Release -DBUILD_VGICP_CUDA=ON
Docker快捷方式
对于快速搭建环境,可以使用Docker,按照提供的指示操作即可。
项目使用说明
-
启动服务 在启动前,设置仿真时间(如果使用模拟数据),并启动
hdl_localization节点:rosparam set use_sim_time true roslaunch hdl_localization hdl_localization.launch -
可视化 使用RVIZ显示定位结果:
roscd hdl_localization/rviz rviz -d hdl_localization.rviz -
播放示例数据 下载并播放提供的示例bag文件进行测试:
rosbag play --clock hdl_400.bag -
全球重定位 当需要进行全球重定位时,调用服务:
rosservice call /relocalize
API使用文档与话题、服务
-
话题:
odom: 输出的估计姿态,nav_msgs/Odometry类型。aligned_points: 输入点云,经过地图对齐。status: 扫描匹配状态信息,如收敛情况、匹配误差及内点比例。
-
服务:
/relocalize: 服务调用来重置传感器姿态至全局定位结果。
示例与配置
定位过程中,如果遇到性能瓶颈或定位不稳定,修改hdl_localization.launch中的ndt_neighbor_search_method至"DIRECT1"可显著加快匹配速度。
相关资源与联系
hdl_localization与其他几个包一起构成一套完整的系统,可用于长期且大面积的人群行为测量等场景。作者Kenji Koide及其研究团队的联系方式可在文档末尾找到,更多技术支持和最新信息请访问其官方网站或直接通过邮件联系。
此文档旨在提供清晰、逐步的指导,帮助开发者和研究人员快速上手并有效利用hdl_localization进行激光雷达的实时定位任务。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00