Py学习  »  docker

这几个小哥哥太强了!LVI-SAM超详细注释与解读+公式推导+docker+数据集都齐活了!

计算机视觉life • 1 年前 • 228 次点击  

点击上方“计算机视觉life”,选择“星标”

快速获得最新干货


大家好,我们SLAM知识星球里组织了一系列的学习小组,今天给大家介绍一下LVI-SAM小组的阶段性贡献,包括公式推导、代码解读、docker、数据集。

代码注释地址如下,欢迎批评指正,顺手给个star:

https://github.com/electech6/LVI-SAM_detailed_comments

在为期半年的时间里,我们学习小组为提升自己和帮助他人,从阅读paper开始,对源代码做了详细的中文注释;为统一环境,调试代码,做了docker镜像;为LVI-SAM算法录制了校园数数据集。我们每一次分享均做了视频记录,都可以在 cvlife.net上找到。

  • 第01讲-荆黎明-LVI-SAM论文精读
  • 第02讲-汪寿安-LOAM到LVI-SAM的方法跃迁以及LVI-SAM环境配置
  • 第03讲 乔世杰-横向对比视觉和雷达的提取特征的思路上的异同
  • 第04讲 刘嘉林- 预积分公式讲解
  • 第05讲 刘嘉林_视觉和激光imu预积分讲解
  • 第06讲 荆黎明_视觉初始化部分
  • 第07讲 万文俊_视觉里程计pipeline+滑窗+雷达imageProjection
  • 第08讲 万文俊_视觉重投影和边缘化
  • 第09讲_mapOptimization(上)
  • 第10讲_mapOptimization(下)
  • 第11讲-雅克比公式推导、退化场景处理
  • 第12讲-汪寿安- 视觉回环
  • 第13讲-汪寿安 lvi-sam总结

扫描查看

在我们的分享过程中,我们集思广益,思考了各个环节,只为提高自己,充实自己。从精读论文,公式推导,到LVI-SAM的环境配置,注释代码,最后到验证算法。我们经历了别样风景,学习了视觉和激光雷达特征提取上的异同,视觉特征和激光点云的关联。

面对复杂难懂的预积分公式,我们鼓起勇气,勇敢面对,从零开始,再次重新推导,只为提高自己的学识。

为了写好每一句注释,我们彻夜难眠,只为对自己负责,对注释负责,我们认真研究算法上的每一次坐标变换。

面对退化场景,我们不是简单看一下code是怎么写的,而是从公式入手,从理解具体含义开始。

面对Ubuntu系统环境难配置,我们特别做了一个docker环境,只为提效,加快我们组内学习和交流。

我们小组不局限于推公式,看代码,我们特别用自己的设备录取了80G的数据集

同时也在其它的数据集上进行了验证,如M2DGR数据集。

以上就是我们的主要劳动成果,欢迎大家批评指正和star,

https://github.com/electech6/LVI-SAM_detailed_comments

最后,隆重介绍参与LVI-SAM学习小组成员:荆黎明(东北大学)、刘嘉林(复旦大学)、汪寿安(中国矿业大学北京)、万文俊(中科院计算所)、乔世杰(吉林大学)、刘嘉荣(上海交通大学)

独家重磅课程官网:cvlife.net

1、SLAM社区:一个人啃SLAM,难受到自闭,硬顶还是放弃?

2、C++实战:为啥SLAM代码都用C++不用Python?

3、多传感器融合SLAM 激光雷达-视觉-IMU多传感器融合方案!

4、VIO灭霸:VIO天花板ORB-SLAM3第2期上线!(单/双目/RGBD+鱼眼+IMU+多地图+闭环)

5、视觉SLAM基础:刚看完《视觉SLAM十四讲》,下一步该硬扛哪个SLAM框架 ?

6、机器人导航运动规划: 机器人核心技术运动规划:让机器人想去哪就去哪!

7、详解Cartographer:谷歌开源的激光SLAM算法Cartographer为什么这么牛X?

8、深度学习三维重建 总共60讲全部上线!详解深度学习三维重建网络

9、三维视觉基础 详解视觉深度估计算法(单/双目/RGB-D+特征匹配+极线矫正+代码实战)

10、 VINS:Mono+Fusion  SLAM面试官:看你简历上写精通VINS,麻烦现场手推一下预积分!

11、图像三维重建课程:视觉几何三维重建教程(第2期):稠密重建,曲面重建,点云融合,纹理贴图 


12、系统全面的相机标定课程:单目/鱼眼/双目/阵列 相机标定:原理与实战



全国最棒的SLAM、三维视觉学习社区↓


点击“阅读原文”跳转视频链接

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/136059
 
228 次点击