Comments (13)
可以的,下周左右,最近几天比较忙,不好意思
好的,感谢您的及时回复!也期待一下后续更新
可以的,下周左右,最近几天比较忙,不好意思
好的,感谢您的及时回复!也期待一下后续更新
可以尝试最新的demo4,如果false positive比较多,可以适当提高config中的icp_threshold值到0.6~0.7
from std.
可以的,下周左右,最近几天比较忙,不好意思
from std.
可以的,下周左右,最近几天比较忙,不好意思
好的,感谢您的及时回复!也期待一下后续更新
from std.
可以的,下周左右,最近几天比较忙,不好意思
好的,感谢您的及时回复!也期待一下后续更新
可以的,下周左右,最近几天比较忙,不好意思
好的,感谢您的及时回复!也期待一下后续更新
可以尝试最新的demo4,如果false positive比较多,可以适当提高config中的icp_threshold值到0.6~0.7
好的,感谢袁博分享,这就去试试!
from std.
可以的,下周左右,最近几天比较忙,不好意思
好的,感谢您的及时回复!也期待一下后续更新
可以的,下周左右,最近几天比较忙,不好意思
好的,感谢您的及时回复!也期待一下后续更新
可以尝试最新的demo4,如果false positive比较多,可以适当提高config中的icp_threshold值到0.6~0.7
好的,感谢袁博分享,这就去试试!
另外,我在issue(#4)下面也遇到一个问题,麻烦袁博有空的时候可以帮我看看
from std.
可以的,下周左右,最近几天比较忙,不好意思
好的,感谢您的及时回复!也期待一下后续更新
可以的,下周左右,最近几天比较忙,不好意思
好的,感谢您的及时回复!也期待一下后续更新
可以尝试最新的demo4,如果false positive比较多,可以适当提高config中的icp_threshold值到0.6~0.7
袁博您好!我首先用原配置参数进行了测试:
出现了过度矫正的情况,效果如下(可以看到检测到的有效回环也比较少):
后面根据袁博给的参数建议,将icp_threshold的值改为0.6,测试效果如下:
可以看到检测到有效回环的数量明显增多,对整个地图以及里程计矫正效果也好很多。
后续准备用自己mid70的数据集进行一些测试,想问一下袁博STD对室内的效果如何?(昨天试了较小数据集,构建的描述子非常少,甚至为0,无法有效检测到回环。)
from std.
可以的,下周左右,最近几天比较忙,不好意思
好的,感谢您的及时回复!也期待一下后续更新
可以的,下周左右,最近几天比较忙,不好意思
好的,感谢您的及时回复!也期待一下后续更新
可以尝试最新的demo4,如果false positive比较多,可以适当提高config中的icp_threshold值到0.6~0.7
袁博您好!我首先用原配置参数进行了测试: 出现了过度矫正的情况,效果如下(可以看到检测到的有效回环也比较少): 后面根据袁博给的参数建议,将icp_threshold的值改为0.6,测试效果如下: 可以看到检测到有效回环的数量明显增多,对整个地图以及里程计矫正效果也好很多。 后续准备用自己mid70的数据集进行一些测试,想问一下袁博STD对室内的效果如何?(昨天试了较小数据集,构建的描述子非常少,甚至为0,无法有效检测到回环。)
目前STD算法比较难处理室内场景,主要原因如下:
- 室内点云尺度较小,当前策略下提前角点的数量会很少
- 室内点云结构比起室外,会更相似以及重复
我们正在开发的拓展版本可以一定程度的解决中等尺度的室内、室内室外穿梭的回环;除此之外,我们实验室有同学在研究引入视觉信息辅助STD完成室内的回环。目前版本的话,STD在室内效果比较差,通过调整参数也许可以识别一定的回环,但是同时也会出现较多的误检测。
from std.
可以的,下周左右,最近几天比较忙,不好意思
好的,感谢您的及时回复!也期待一下后续更新
可以的,下周左右,最近几天比较忙,不好意思
好的,感谢您的及时回复!也期待一下后续更新
可以尝试最新的demo4,如果false positive比较多,可以适当提高config中的icp_threshold值到0.6~0.7
袁博您好!我首先用原配置参数进行了测试: 出现了过度矫正的情况,效果如下(可以看到检测到的有效回环也比较少): 后面根据袁博给的参数建议,将icp_threshold的值改为0.6,测试效果如下: 可以看到检测到有效回环的数量明显增多,对整个地图以及里程计矫正效果也好很多。 后续准备用自己mid70的数据集进行一些测试,想问一下袁博STD对室内的效果如何?(昨天试了较小数据集,构建的描述子非常少,甚至为0,无法有效检测到回环。)
目前STD算法比较难处理室内场景,主要原因如下:
- 室内点云尺度较小,当前策略下提前角点的数量会很少
- 室内点云结构比起室外,会更相似以及重复
我们正在开发的拓展版本可以一定程度的解决中等尺度的室内、室内室外穿梭的回环;除此之外,我们实验室有同学在研究引入视觉信息辅助STD完成室内的回环。目前版本的话,STD在室内效果比较差,通过调整参数也许可以识别一定的回环,但是同时也会出现较多的误检测。
明白了,感谢袁博分享!我目前主要测试的数据集就是室内到室外再从室外回到室内的场景。请问拓展的版本大概什么时候能放出来呢?
此外,请问袁博对mid-70这种相较于avia点云比较稀疏的雷达,一些参数有什么建议吗?感觉测试了室外,描述子生成以及检测回环并不理想
from std.
可以的,下周左右,最近几天比较忙,不好意思
好的,感谢您的及时回复!也期待一下后续更新
可以的,下周左右,最近几天比较忙,不好意思
好的,感谢您的及时回复!也期待一下后续更新
可以尝试最新的demo4,如果false positive比较多,可以适当提高config中的icp_threshold值到0.6~0.7
袁博您好!我首先用原配置参数进行了测试: 出现了过度矫正的情况,效果如下(可以看到检测到的有效回环也比较少): 后面根据袁博给的参数建议,将icp_threshold的值改为0.6,测试效果如下: 可以看到检测到有效回环的数量明显增多,对整个地图以及里程计矫正效果也好很多。 后续准备用自己mid70的数据集进行一些测试,想问一下袁博STD对室内的效果如何?(昨天试了较小数据集,构建的描述子非常少,甚至为0,无法有效检测到回环。)
目前STD算法比较难处理室内场景,主要原因如下:
- 室内点云尺度较小,当前策略下提前角点的数量会很少
- 室内点云结构比起室外,会更相似以及重复
我们正在开发的拓展版本可以一定程度的解决中等尺度的室内、室内室外穿梭的回环;除此之外,我们实验室有同学在研究引入视觉信息辅助STD完成室内的回环。目前版本的话,STD在室内效果比较差,通过调整参数也许可以识别一定的回环,但是同时也会出现较多的误检测。明白了,感谢袁博分享!我目前主要测试的数据集就是室内到室外再从室外回到室内的场景。请问拓展的版本大概什么时候能放出来呢? 此外,请问袁博对mid-70这种相较于avia点云比较稀疏的雷达,一些参数有什么建议吗?感觉测试了室外,描述子生成以及检测回环并不理想
拓展版本预计在6,7月份release,比较稀疏的雷达,可以在config_livox.yaml基础上,降低降采样ds_size至0.1,或者0.05, 降低corner_thre至6~8,以及提高sub_frame_num到20,如果corner点还是太少,可以再把non_max_suppression_radius降低到1.5/1 .
from std.
可以的,下周左右,最近几天比较忙,不好意思
好的,感谢您的及时回复!也期待一下后续更新
可以的,下周左右,最近几天比较忙,不好意思
好的,感谢您的及时回复!也期待一下后续更新
可以尝试最新的demo4,如果false positive比较多,可以适当提高config中的icp_threshold值到0.6~0.7
袁博您好!我首先用原配置参数进行了测试: 出现了过度矫正的情况,效果如下(可以看到检测到的有效回环也比较少): 后面根据袁博给的参数建议,将icp_threshold的值改为0.6,测试效果如下: 可以看到检测到有效回环的数量明显增多,对整个地图以及里程计矫正效果也好很多。 后续准备用自己mid70的数据集进行一些测试,想问一下袁博STD对室内的效果如何?(昨天试了较小数据集,构建的描述子非常少,甚至为0,无法有效检测到回环。)
目前STD算法比较难处理室内场景,主要原因如下:
- 室内点云尺度较小,当前策略下提前角点的数量会很少
- 室内点云结构比起室外,会更相似以及重复
我们正在开发的拓展版本可以一定程度的解决中等尺度的室内、室内室外穿梭的回环;除此之外,我们实验室有同学在研究引入视觉信息辅助STD完成室内的回环。目前版本的话,STD在室内效果比较差,通过调整参数也许可以识别一定的回环,但是同时也会出现较多的误检测。明白了,感谢袁博分享!我目前主要测试的数据集就是室内到室外再从室外回到室内的场景。请问拓展的版本大概什么时候能放出来呢? 此外,请问袁博对mid-70这种相较于avia点云比较稀疏的雷达,一些参数有什么建议吗?感觉测试了室外,描述子生成以及检测回环并不理想
拓展版本预计在6,7月份release,比较稀疏的雷达,可以在config_livox.yaml基础上,降低降采样ds_size至0.1,或者0.05, 降低corner_thre至6~8,以及提高sub_frame_num到20,如果corner点还是太少,可以再把non_max_suppression_radius降低到1.5/1 .
袁博您好,我尝试将corner_thre改为6,ds_size改为0.05,icp_threshold改为0.3,终于有STD描述子匹配成功了,但是最后的矫正效果并不理想(并没有什么提升)。是因为发生回环的地方大部分在楼梯或者走廊的原因吗?
from std.
可以的,下周左右,最近几天比较忙,不好意思
好的,感谢您的及时回复!也期待一下后续更新
可以的,下周左右,最近几天比较忙,不好意思
好的,感谢您的及时回复!也期待一下后续更新
可以尝试最新的demo4,如果false positive比较多,可以适当提高config中的icp_threshold值到0.6~0.7
袁博您好!我首先用原配置参数进行了测试: 出现了过度矫正的情况,效果如下(可以看到检测到的有效回环也比较少): 后面根据袁博给的参数建议,将icp_threshold的值改为0.6,测试效果如下: 可以看到检测到有效回环的数量明显增多,对整个地图以及里程计矫正效果也好很多。 后续准备用自己mid70的数据集进行一些测试,想问一下袁博STD对室内的效果如何?(昨天试了较小数据集,构建的描述子非常少,甚至为0,无法有效检测到回环。)
目前STD算法比较难处理室内场景,主要原因如下:
- 室内点云尺度较小,当前策略下提前角点的数量会很少
- 室内点云结构比起室外,会更相似以及重复
我们正在开发的拓展版本可以一定程度的解决中等尺度的室内、室内室外穿梭的回环;除此之外,我们实验室有同学在研究引入视觉信息辅助STD完成室内的回环。目前版本的话,STD在室内效果比较差,通过调整参数也许可以识别一定的回环,但是同时也会出现较多的误检测。明白了,感谢袁博分享!我目前主要测试的数据集就是室内到室外再从室外回到室内的场景。请问拓展的版本大概什么时候能放出来呢? 此外,请问袁博对mid-70这种相较于avia点云比较稀疏的雷达,一些参数有什么建议吗?感觉测试了室外,描述子生成以及检测回环并不理想
拓展版本预计在6,7月份release,比较稀疏的雷达,可以在config_livox.yaml基础上,降低降采样ds_size至0.1,或者0.05, 降低corner_thre至6~8,以及提高sub_frame_num到20,如果corner点还是太少,可以再把non_max_suppression_radius降低到1.5/1 .
袁博您好,我尝试将corner_thre改为6,ds_size改为0.05,icp_threshold改为0.3,终于有STD描述子匹配成功了,但是最后的矫正效果并不理想(并没有什么提升)。是因为发生回环的地方大部分在楼梯或者走廊的原因吗?
校正效果主要与回环个数,以及校正准确率有关,如果有比较多的false positive,则矫正效果会较差,目前楼梯和长走廊在LiDAR回环里是比较难处理的corner case,因为这两处区域的雷达点云在几何结构上还是太相似了
from std.
可以的,下周左右,最近几天比较忙,不好意思
好的,感谢您的及时回复!也期待一下后续更新
可以的,下周左右,最近几天比较忙,不好意思
好的,感谢您的及时回复!也期待一下后续更新
可以尝试最新的demo4,如果false positive比较多,可以适当提高config中的icp_threshold值到0.6~0.7
袁博您好!我首先用原配置参数进行了测试: 出现了过度矫正的情况,效果如下(可以看到检测到的有效回环也比较少): 后面根据袁博给的参数建议,将icp_threshold的值改为0.6,测试效果如下: 可以看到检测到有效回环的数量明显增多,对整个地图以及里程计矫正效果也好很多。 后续准备用自己mid70的数据集进行一些测试,想问一下袁博STD对室内的效果如何?(昨天试了较小数据集,构建的描述子非常少,甚至为0,无法有效检测到回环。)
目前STD算法比较难处理室内场景,主要原因如下:
- 室内点云尺度较小,当前策略下提前角点的数量会很少
- 室内点云结构比起室外,会更相似以及重复
我们正在开发的拓展版本可以一定程度的解决中等尺度的室内、室内室外穿梭的回环;除此之外,我们实验室有同学在研究引入视觉信息辅助STD完成室内的回环。目前版本的话,STD在室内效果比较差,通过调整参数也许可以识别一定的回环,但是同时也会出现较多的误检测。明白了,感谢袁博分享!我目前主要测试的数据集就是室内到室外再从室外回到室内的场景。请问拓展的版本大概什么时候能放出来呢? 此外,请问袁博对mid-70这种相较于avia点云比较稀疏的雷达,一些参数有什么建议吗?感觉测试了室外,描述子生成以及检测回环并不理想
拓展版本预计在6,7月份release,比较稀疏的雷达,可以在config_livox.yaml基础上,降低降采样ds_size至0.1,或者0.05, 降低corner_thre至6~8,以及提高sub_frame_num到20,如果corner点还是太少,可以再把non_max_suppression_radius降低到1.5/1 .
袁博您好,我尝试将corner_thre改为6,ds_size改为0.05,icp_threshold改为0.3,终于有STD描述子匹配成功了,但是最后的矫正效果并不理想(并没有什么提升)。是因为发生回环的地方大部分在楼梯或者走廊的原因吗?
校正效果主要与回环个数,以及校正准确率有关,如果有比较多的false positive,则矫正效果会较差,目前楼梯和长走廊在LiDAR回环里是比较难处理的corner case,因为这两处区域的雷达点云在几何结构上还是太相似了
袁博,请问一下代码candidate_selector函数中,大概第1124行代码,if ((src_std.side_length_ - voxel_center).norm() < 1.5)
这里的含义大概是在判断两个哈希键值的差吗?以及1.5这个阈值是如何确定的呢?
from std.
我也在使用这个slow motion数据用pgo的launch来跑,但是一直提不到什么交点,每个累计关键帧的点云大概是15000个左右,平面只有20多个,请问大佬能公布一下所使用的参数吗? @hr2894235132
from std.
Related Issues (20)
- 有关角点提取一致性的问题 HOT 9
- LTA-OM会开源嘛
- 使用STD重定位效果不佳 HOT 6
- Save STD descriptors HOT 1
- How to use STD with LIO-SAM? HOT 2
- pose file
- Ouf of memory allocating 180908767704 bytes HOT 1
- Config parameters for benchmark
- 错误配准 HOT 4
- 数据库哈希键
- STD结果的PRcurve如何绘制? HOT 1
- PR曲线-召回率较低 HOT 18
- Replace the kd-tree in PCL with nanoflann kd-tree
- 有大佬知道为什么跑第四个例子时候,运行online_demo和fast-lio2,再play bag包时候出现process has died [pid 229204, exit code -11,进程崩了 HOT 14
- 在重定位中出现误匹配 HOT 2
- The gradient calculation has a fetal bug.
- 数据集和launch文件中路径匹配问题
- Dose this project support mid-360?
- Single frame registration problem! HOT 1
- 能否提供一份参数说明?
Recommend Projects
-
React
A declarative, efficient, and flexible JavaScript library for building user interfaces.
-
Vue.js
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
-
Typescript
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
-
TensorFlow
An Open Source Machine Learning Framework for Everyone
-
Django
The Web framework for perfectionists with deadlines.
-
Laravel
A PHP framework for web artisans
-
D3
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
-
Recommend Topics
-
javascript
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
-
web
Some thing interesting about web. New door for the world.
-
server
A server is a program made to process requests and deliver data to clients.
-
Machine learning
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
-
Visualization
Some thing interesting about visualization, use data art
-
Game
Some thing interesting about game, make everyone happy.
Recommend Org
-
Facebook
We are working to build community through open source technology. NB: members must have two-factor auth.
-
Microsoft
Open source projects and samples from Microsoft.
-
Google
Google ❤️ Open Source for everyone.
-
Alibaba
Alibaba Open Source for everyone
-
D3
Data-Driven Documents codes.
-
Tencent
China tencent open source team.
from std.