AlterGround-LeGO-LOAM 项目下载及安装教程
2024-12-08 22:23:04作者:卓艾滢Kingsley
1. 项目介绍
AlterGround-LeGO-LOAM 是一个基于 LeGO-LOAM 的 LiDAR 里程计框架,旨在轻松测试地面分割算法。该项目通过利用最新的地面分割方法 Patchwork,从原始点云和地面点云中估计里程计。AlterGround-LeGO-LOAM 适用于 ROS 环境,并支持 KITTI 数据集。
2. 项目下载位置
项目代码托管在 GitHub 上,可以通过以下命令进行下载:
git clone https://github.com/url-kaist/AlterGround-LeGO-LOAM.git
3. 项目安装环境配置
3.1 系统要求
- ROS (推荐使用 melodic 版本)
- gtsam (Georgia Tech Smoothing and Mapping library, 版本 4.0.0-alpha2)
3.2 安装 gtsam
首先,下载并安装 gtsam:
wget -O ~/Downloads/gtsam.zip https://github.com/borglab/gtsam/archive/4.0.0-alpha2.zip
cd ~/Downloads/ && unzip gtsam.zip -d ~/Downloads/
cd ~/Downloads/gtsam-4.0.0-alpha2/
mkdir build && cd build
cmake ..
sudo make install
3.3 安装依赖包
如果需要测试地面分割方法 Patchwork,请安装以下依赖包:
sudo apt-get install ros-melodic-jsk-recognition
sudo apt-get install ros-melodic-jsk-common-msgs
sudo apt-get install ros-melodic-jsk-rviz-plugins
3.4 环境配置示例
以下是环境配置的示例图片:

4. 项目安装方式
4.1 创建工作空间
首先,创建一个 ROS 工作空间并克隆项目代码:
mkdir -p ~/catkin_ws/src
cd ~/catkin_ws/src
git clone https://github.com/url-kaist/AlterGround-LeGO-LOAM
4.2 编译项目
进入工作空间并编译项目:
cd ~/catkin_ws
catkin build pago_loam
4.3 配置参数
在 utility.h 文件中,可以设置以下参数:
extern const string pointCloudTopic = "/benchmark/ground_estimate";
extern const bool alterGround = true;
extern const bool loopClosureEnableFlag = false;
std::string RESULT_PATH ="/data/bagfiles/KITTI_BAG/pago_pose_result.txt";
std::string TIME_PATH ="/data/bagfiles/KITTI_BAG/pago_pose_time.txt";
5. 项目处理脚本
5.1 KITTI 数据集处理
如果使用 KITTI 数据集,需要将 LiDAR 的 bin 文件转换为 rosbag 文件。可以使用 lidar2rosbag_KITTI 脚本进行转换。
5.2 运行地面分割算法
运行地面分割算法 Patchwork:
roslaunch patchwork pub_for_legoloam.launch
5.3 运行 PaGO-LOAM 和 KITTI bagfile
启动 PaGO-LOAM 并播放 KITTI bagfile:
roslaunch pago_loam run.launch
rosbag play /[Your dataset]/[kitti_bagfile].bag --clock
5.4 里程计估计
使用 evo 包估计里程计误差:
evo_ape kitti KITTI_00_gt.txt pago_pose_result.txt -va --plot --plot_mode xz --save_results results/KITTI_pago.zip --align
或者,通过转换结果为 TUM 格式后运行 evo:
evo_ape tum KITTI_00_gt.txt pago_pose_result.txt -va --plot --plot_mode xz --save_results results/KITTI_pago.zip --align
通过以上步骤,您可以成功下载、安装并运行 AlterGround-LeGO-LOAM 项目。
登录后查看全文
热门项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
deepin linux kernel
C
24
6
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
268
2.54 K
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
435
Ascend Extension for PyTorch
Python
100
126
暂无简介
Dart
558
124
一个用于服务器应用开发的综合工具库。
- 零配置文件
- 环境变量和命令行参数配置
- 约定优于配置
- 深刻利用仓颉语言特性
- 只需要开发动态链接库,fboot负责加载、初始化并运行。
Cangjie
57
11
用于管理和运行HarmonyOS Issue解决方案Demo集锦。
ArkTS
13
23
🎉 (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
1.02 K
605
仓颉编译器源码及 cjdb 调试工具。
C++
117
93
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1