Home

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

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 my

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 my

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>

More