Awesome
FAST_LIO_SAM
Object detect : YOLO
Front_end : fastlio2
Back_end : lio_sam
<p align='center'> <img src="/pic/1.png" alt="drawing" width="400" height ="200"/> <img src="/pic/2.png" alt="drawing" width="400" height =200/> </p> <p align='center'> <img src="/pic/3.png" alt="drawing" width="400" height ="200"/> <img src="/pic/4.png" alt="drawing" width="400" height =200/> </p>Related worked
1.FAST-LIO2为紧耦合的lio slam系统,因其缺乏前端,所以缺少全局一致性,参考lio_sam的后端部分,接入GTSAM进行后端优化。
2.FAST_LIO_SLAM的作者kim在FAST-LIO2的基础上,添加SC-PGO模块,通过加入ScanContext全局描述子,进行回环修正,SC-PGO模块与FAST-LIO2解耦,非常方便,很优秀的工作。
3.darknet_ros为YOLO系列的部分网络提供了便捷的ROS接口。
Prerequisites
- Ubuntu 20.04 and ROS Noetic
- PCL >= 1.8 (default for Ubuntu 18.04)
- Eigen >= 3.3.4 (default for Ubuntu 18.04)
- GTSAM >= 4.0.0(tested on 4.0.0-alpha2)
Build
cd YOUR_WORKSPACE/src
git clone https://github.com/JS-622/YOLO-fast-lio-sam.git
cd ..
catkin_make
Results show
For outdoor dataset
场景图片
未进行检测去除的运行效果
<p align='center'> <img src="/pic/no1.png" alt="drawing" width="400" height ="200"/> <img src="/pic/no2.png" alt="drawing" width="400" height =200/> </p>使用单目相机进行赋色后的运行效果
<p align='center'> <img src="/pic/color2.png" alt="drawing" width="400" height ="200"/> <img src="/pic/color3.png" alt="drawing" width="400" height =200/> </p> <p align='center'> <img src="/pic/color4.png" alt="drawing" width="400" height ="200"/> <img src="/pic/color5.png" alt="drawing" width="400" height =200/> </p>使用YOLO进行目标检测的过程
检测结果对点云的投影
<p align='center'> <img src="/pic/p1.png" alt="drawing" width="400" height ="200"/> <img src="/pic/p2.png" alt="drawing" width="400" height =200/> </p> <p align='center'> <img src="/pic/p3.png" alt="drawing" width="400" height ="200"/> <img src="/pic/p4.png" alt="drawing" width="400" height =200/> </p>最终的建图效果(此处展示内容为去除了车辆)
<p align='center'> <img src="/pic/re1.png" alt="drawing" width="400" height ="200"/> <img src="/pic/re2.png" alt="drawing" width="400" height =200/> </p>