Advertisement

bench_ws: 适用于多种状态估计算法（如 VINS-Mono、VINS-Fusion、ORBSLAM3、Stereo-MSC...）的工具包

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
Bench_WS是一款多功能评估工具包，专为包括VINS-Mono、VINS-Fusion、ORBSLAM3和Stereo-MSC在内的多种状态估计算法设计，旨在提供全面且精确的性能分析。 长凳_ws 是一个用于对不同状态估计算法进行基准测试的 catkin 工作区，在此工作区内构建过程相当自动化。该仓库假设您在安装了 Ubuntu 18.04 的 Linux 系统上运行。 要使用这个存储库，需要执行以下命令： - `make deps`： 安装依赖项。 - `make submodules`： 拉取 git 子模块。 - `make build`： 构建工作区。 在 EuroC 数据集上运行时，请先获取数据集。默认情况下，该项目提供的启动文件假定您有一个名为 `/data/euroc_mav/rosbags` 的目录，并且其中包含以下 rosbags： - MH_01.bag - MH_02.bag - MH_03.bag - MH_04.bag - MH_05.bag - V1_01.bag - V1_02.bag - V1_03.bag - V2_01.bag - V2_02.bag - V2_03.bag 请注意，这些文件名称中没有字母 e。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • bench_ws: 适用于多种状态估计算法（如 VINS-Mono、VINS-Fusion、ORBSLAM3、Stereo-MSC...）的工具包
    优质
    Bench_WS是一款多功能评估工具包，专为包括VINS-Mono、VINS-Fusion、ORBSLAM3和Stereo-MSC在内的多种状态估计算法设计，旨在提供全面且精确的性能分析。 长凳_ws 是一个用于对不同状态估计算法进行基准测试的 catkin 工作区，在此工作区内构建过程相当自动化。该仓库假设您在安装了 Ubuntu 18.04 的 Linux 系统上运行。 要使用这个存储库，需要执行以下命令： - `make deps`： 安装依赖项。 - `make submodules`： 拉取 git 子模块。 - `make build`： 构建工作区。 在 EuroC 数据集上运行时，请先获取数据集。默认情况下，该项目提供的启动文件假定您有一个名为 `/data/euroc_mav/rosbags` 的目录，并且其中包含以下 rosbags： - MH_01.bag - MH_02.bag - MH_03.bag - MH_04.bag - MH_05.bag - V1_01.bag - V1_02.bag - V1_03.bag - V2_01.bag - V2_02.bag - V2_03.bag 请注意，这些文件名称中没有字母 e。
     
  • VINS-Fisheye：基于VINS-Fusion的鱼眼版本
    优质
    VINS-Fisheye是基于VINS-Fusion开发的一款适用于鱼眼相机的视觉惯性里程计系统，增强了在大视场角条件下的导航性能和鲁棒性。 鱼眼该存储库是具备GPU及Visionworks加速功能的Fisheye版本。它可以在Nvidia TX2上实时运行，并能基于鱼眼镜头提供深度估计。该项目属于一个分散式全方位Visual-Inertial-UWB状态估计系统的组成部分，适用于航空群机器人。您既可以单独在任何类型的机器人上使用该系统，也可以将其作为Omni-swarm群机器人的部分来应用。目前，鱼眼相机仅支持立体视觉惯性测距法；鱼眼镜头的闭环模块将在后续版本中发布。 无人机路径和RGB点云估计 - 鱼眼特征追踪器 - 通过视差进行深度估计 1. 先决条件：基本软件环境与VINS-Fusion相同。此外，它还需要OpenCV cuda版（仅在OpenCV 3.4.1上进行了测试）。Visionworks: 可选；如果要使用此软件包的CUDA模式，则需要Visionworks来进行深度估计。 2. 使用方法 - 修改CMakeLists中的opencv路径
     
  • VINS-FUSION-learning: VINS-FUSION 中文注释版详解
    优质
    《VINS-FUSION-learning》是对SLAM算法VINS-Fusion进行深入解析的中文教程，详细解释了代码结构与实现原理，适合研究视觉惯性里程计的读者学习。 VINS-Fusion中文版创新学习资料由港科大老师提供，十分感谢他们的工作贡献。目前仅对前端视觉惯性里程计（VIO）部分进行了注释，并在代码中加入了相关博客、参考文献及其他博文的引用。 VINS-Fusion是一个基于优化的多传感器状态估计器，能够为自主应用如无人机、汽车和AR/VR提供精确的自我定位功能。它是原版算法的一个扩展版本，支持多种视觉惯性传感器类型（单目相机+IMU、双目相机+IMU以及仅使用双目相机）。此外还展示了一个将VINS与GPS融合的小型示例。 特征包括： - 支持多类传感器：如立体声摄像机/单镜头摄像机搭配IMU或单独的立体声摄像机； - 实现在线空间校准（即，调整摄像头和IMU之间的转换关系）； - 在线时间校准（处理相机与IMU之间的时间偏差问题）； - 视觉闭环功能。 值得一提的是，VINS-Fusion曾于2019年1月在开源立体声算法排行榜上占据领先地位。项目作者包括来自香港的曹少祖、潘洁等学者。
     
  • VINS系列（一）：Vins-Fusion环境配置
    优质
    本教程为VINS系列的第一部分，专注于介绍如何在Linux环境下配置VINS-Fusion所需的软件和依赖项，帮助用户顺利搭建开发或研究环境。 VINS系列（一）- Vins-Fusion环境配置 本段落主要介绍如何进行VINS-Funsion的环境配置。首先需要安装必要的依赖库，并确保开发环境中已经设置了正确的路径变量。接下来，按照文档中的步骤构建相关代码并完成编译过程。 在开始之前，请确认已具备相应的编程和软件操作基础，这将有助于更顺利地完成后续的各项设置工作。
     
  • VINS-Mono算法解析及代码说明
    优质
    《VINS-Mono算法解析及代码说明》一文详细介绍了基于单目视觉惯性里程计（VINS-Mono）的理论基础、核心算法及其开源代码解读，旨在帮助读者深入理解并应用该技术。 对VINS-Mono算法进行了梳理，并结合该算法介绍了相关代码的简单内容。
     
  • VINS-Mono代码详解注释
    优质
    《VINS-Mono代码详解注释》是一份深入解析单目视觉惯性里程计系统的文档，通过详尽的代码说明和解释帮助读者理解其工作原理和技术细节。 如果想进行多传感器融合SLAM的研究，学习VINS框架是非常重要的一步。我对VINS代码进行了详细的注释，希望能帮助大家更好地理解和使用它。
     
  • 针对Ubuntu20.04的VINS-mono源代码
    优质
    这段简介可以这样描述：“针对Ubuntu 20.04操作系统的VINS-mono源代码项目，提供了一个基于单目相机视觉惯性里程计的解决方案，适用于机器人导航和定位研究。” 适用于Ubuntu20.04的VINS-mono源码修复了在该系统上编译时出现的CV_FONT_HERSHEY_SIMPLEX未定义以及‘CV_RGB2GRAY’未声明等错误。
     
  • VINS-Mono代码注释.7z文件
    优质
    VINS-Mono代码注释.7z 文件包含了单目视觉惯性里程计系统（VINS-Mono）的关键源码及其详尽注释，帮助用户深入理解其工作原理与实现细节。 VINS-Mono代码注释.7z文件包含了对VINS-Mono源代码的详细解释和说明，帮助用户更好地理解和使用该软件包。
     
  • VINS-Mono代码解析，供学习使用
    优质
    本项目旨在解析VINS-Mono视觉惯性里程计系统的代码，通过详细解读和注释帮助初学者更好地理解其工作原理与实现方式。适合对SLAM技术感兴趣的开发者研究学习。 VINS-Mono代码注释供学习使用，适用于对vins-mono有一定了解的SLAM算法工程师。