SR-LIO 项目下载及安装教程
2024-12-07 02:24:29作者:俞予舒Fleming
1. 项目介绍
SR-LIO(LiDAR-Inertial Odometry with Sweep Reconstruction)是一个基于迭代扩展卡尔曼滤波(iEKF)的激光雷达惯性里程计(LIO)包,能够调整执行频率超过扫描频率。该项目通过分割和重建旋转激光雷达的原始输入扫描,获得更高频率的重建扫描,从而减少预测状态的累积误差,提高状态估计的准确性和鲁棒性。
2. 项目下载位置
项目源代码托管在GitHub上,可以通过以下命令进行克隆:
git clone https://github.com/ZikangYuan/sr_lio.git
3. 项目安装环境配置
3.1 系统要求
- GCC >= 5.4.0
- Cmake >= 3.0.2
- Eigen3 >= 3.2.8
- PCL == 1.7(适用于Ubuntu 16.04)或 == 1.8(适用于Ubuntu 18.04)
- Ceres >= 1.14
- ROS
3.2 环境配置示例
以下是Ubuntu 18.04系统上的环境配置示例:
sudo apt-get update
sudo apt-get install -y gcc-7 g++-7 cmake libeigen3-dev libpcl-dev libceres-dev ros-melodic-desktop-full

4. 项目安装方式
4.1 创建ROS工作空间
首先,创建一个ROS工作空间:
mkdir -p ~/SR-LIO/src
cd ~/SR-LIO/src
4.2 克隆项目并编译
克隆项目到工作空间并进行编译:
git clone https://github.com/ZikangYuan/sr_lio.git
cd ~/SR-LIO
catkin_make
4.3 设置环境变量
编译完成后,设置环境变量:
source devel/setup.bash
5. 项目处理脚本
5.1 运行公共数据集
在运行公共数据集之前,请确保激光雷达点云数据包含“ring”通道信息。以下是运行不同数据集的示例:
5.1.1 运行NCLT数据集
cd ~/SR-LIO
source devel/setup.bash
roslaunch sr_lio lio_nclt.launch
5.1.2 运行UTBM数据集
cd ~/SR-LIO
source devel/setup.bash
roslaunch sr_lio lio_utbm.launch
5.1.3 运行ULHK数据集
cd ~/SR-LIO
source devel/setup.bash
roslaunch sr_lio lio_ulhk1.launch # 适用于HK-Data-2019-01-17或HK-Data-2019-03-17
roslaunch sr_lio lio_ulhk2.launch # 适用于其他序列
5.1.4 运行KAIST数据集
cd ~/SR-LIO
source devel/setup.bash
roslaunch sr_lio lio_kaist.launch
通过以上步骤,您可以成功下载并安装SR-LIO项目,并运行不同的公共数据集进行测试。
登录后查看全文
热门项目推荐
相关项目推荐
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
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- 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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
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++
892
667
Ascend Extension for PyTorch
Python
376
446
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
349
200
昇腾LLM分布式训练框架
Python
116
145
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
778
暂无简介
Dart
798
197
React Native鸿蒙化仓库
JavaScript
308
359
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.13 K
271