目)
終極指南MULLS 是什么一文讀懂 ICRA 2021 高效低漂移的 LiDAR SLAM 開源項(xiàng)目【免費(fèi)下載鏈接】MULLS MULLS: Versatile LiDAR SLAM via Multi-metric Linear Least Square [ICRA 21]項(xiàng)目地址: https://gitcode.com/gh_mirrors/mu/MULLS在自動駕駛、機(jī)器人導(dǎo)航和三維重建領(lǐng)域LiDAR SLAM激光雷達(dá)同步定位與建圖一直是核心技術(shù)難題。今天要介紹的MULLS正是發(fā)表于 ICRA 2021 的開源 LiDAR SLAM 項(xiàng)目它憑借多度量線性最小二乘Multi-metric Linear Least Square的創(chuàng)新思路實(shí)現(xiàn)了高效、低漂移、多場景通用的建圖定位能力并已在 Ubuntu 16.04/18.04/20.04 上穩(wěn)定運(yùn)行。這篇終極指南將帶你從原理到實(shí)踐一文讀懂 MULLS。MULLS 是什么從論文到開源代碼MULLS 全稱MULLS: Versatile LiDAR SLAM via Multi-metric Linear Least Square由 ETH Zurich 的 Yue Pan 等學(xué)者發(fā)表于ICRA 2021是經(jīng)典 LLS-LOAM 的全面升級版本。它的核心思想非常巧妙傳統(tǒng) LiDAR 里程計(jì)通常只對點(diǎn)云整體做 ICP 配準(zhǔn)而 MULLS 將每一幀點(diǎn)云按幾何特征分類——地面點(diǎn)、立面點(diǎn)、柱狀點(diǎn)、光束點(diǎn)等然后針對不同類別的點(diǎn)分別構(gòu)造多度量誤差項(xiàng)最后用一個(gè)統(tǒng)一的線性最小二乘框架求解幀間位姿。由于誤差建模更精細(xì)它在精度和魯棒性上都明顯優(yōu)于傳統(tǒng)方法同時(shí)保持了極高的計(jì)算效率。上圖是論文中的核心實(shí)驗(yàn)數(shù)據(jù)在 KITTI Odometry 多個(gè)序列上MULLS-SLAM 的定位誤差和單幀耗時(shí)都表現(xiàn)出色尤其是在高速公路01 序列等大場景中其低漂移優(yōu)勢尤為突出。MULLS 的核心優(yōu)勢為什么它高效又低漂移作為 ICRA 2021 收錄的開源LiDAR SLAM 項(xiàng)目MULLS 的三大核心競爭力值得關(guān)注1. 多度量特征分類配準(zhǔn)更聰明 MULLS 把點(diǎn)云劃分為地面、立面、柱面、光束等多個(gè)幾何類別每類點(diǎn)使用最合適的度量方式參與配準(zhǔn)而不是一刀切地做整體 ICP。這讓它對噪聲和動態(tài)物體更魯棒。2. 線性最小二乘速度更快? 得益于巧妙的誤差線性化設(shè)計(jì)MULLS 的位姿求解無需迭代優(yōu)化海森矩陣單幀處理耗時(shí)可低至幾十毫秒完全滿足實(shí)時(shí)應(yīng)用需求。3. 前端 后端完整閉環(huán) 項(xiàng)目不僅提供里程計(jì)前端還內(nèi)置了回環(huán)檢測與位姿圖優(yōu)化后端支持 g2o / ceres / gtsam 三種優(yōu)化器讓長距離行駛時(shí)的累計(jì)漂移得到有效抑制。MULLS-SLAM 與 MULLS-Registration兩大核心模塊MULLS 倉庫包含兩個(gè)可獨(dú)立使用的高價(jià)值模塊MULLS-SLAM完整建圖定位系統(tǒng)這是全流程的 SLAM 系統(tǒng)輸入一序列點(diǎn)云幀輸出全局一致的三維地圖和位姿軌跡。MULLS-Registration高精度點(diǎn)云配準(zhǔn)如果你只需要兩幀點(diǎn)云的精確對齊例如 TLS 地面激光掃描配準(zhǔn)可以單獨(dú)使用 MULLS-ICP還可結(jié)合 TEASER 實(shí)現(xiàn)基于截?cái)嘧钚《说娜峙錅?zhǔn)。兩個(gè)模塊都提供了開箱即用的運(yùn)行腳本run_mulls_slam.sh 與 run_mulls_reg.sh修改數(shù)據(jù)路徑即可直接運(yùn)行。如何安裝編譯 MULLS最快配置方法MULLS 的依賴分為必需和可選兩層安裝門檻并不高依賴層級庫列表用途必需PCL(≥1.7)、Glog、Gflags、Eigen 3點(diǎn)云處理、日志、參數(shù)解析可選LibLas / HDF5 / Proj4特定數(shù)據(jù)格式讀寫、地理坐標(biāo)投影可選OpenCV2D 地圖與 BEV 圖像生成可選g2o / ceres / gtsam三選一位姿圖優(yōu)化推薦 ceres可選TEASER全局配準(zhǔn)MULLS-Registration 用一鍵安裝依賴Ubuntu 16.04 驗(yàn)證直接運(yùn)行項(xiàng)目自帶的 install_dep_lib.sh 腳本即可。隨后按標(biāo)準(zhǔn) CMake 流程編譯mkdir build cd build cmake .. make cd ..如果想按需開關(guān)可選依賴可以在 CMakeLists.txt 中調(diào)整選項(xiàng)或用ccmake ..交互式配置?？焖偕鲜钟脙?nèi)置 demo 數(shù)據(jù)一鍵體驗(yàn) MULLS項(xiàng)目自帶 16 幀相鄰掃描點(diǎn)云位于 demo_data/pcd/ 目錄無需準(zhǔn)備任何外部數(shù)據(jù)即可體驗(yàn)完整流程。體驗(yàn) MULLS-SLAMsh script/run_mulls_slam.sh體驗(yàn) MULLS-Registrationsh script/run_mulls_reg.sh運(yùn)行結(jié)束后結(jié)果軌跡、地圖、評估報(bào)告會輸出到 demo 數(shù)據(jù)下的result文件夾實(shí)時(shí)可視化窗口也會同步展示建圖過程非常適合新手快速建立對 LiDAR SLAM 的直觀認(rèn)識。支持哪些數(shù)據(jù)格式與數(shù)據(jù)集MULLS 的通用性Versatile名不虛傳輸入點(diǎn)云格式支持pcd、ply、txt、las、csv、h5、bin七種只需要在啟動腳本中指定pc_format即可。在數(shù)據(jù)集層面項(xiàng)目官方提供了多種場景的調(diào)優(yōu)配置放在 script/config/ 目錄下KITTI城市 / 高速公路 / 極速模式lo_gflag_list_kitti_urban.txt、lo_gflag_list_kitti_highway.txtMulRanlo_gflag_list_mulran.txtNewer Collegelo_gflag_list_newer_college.txt16/32/64 線激光雷達(dá)通用配置KITTI 原始 bin 數(shù)據(jù)可通過 run_kittibin2pcd.sh 一鍵轉(zhuǎn)換為 pcdSemantic KITTI 的語義標(biāo)簽也有對應(yīng)轉(zhuǎn)換腳本 run_semantic_kitti_labelbin2pcd.sh用于啟用語義掩碼輔助的增強(qiáng)版里程計(jì)。上圖是 MULLS 在 KITTI 序列 00城市道路的建圖與軌跡評估結(jié)果黑色真實(shí)軌跡與藍(lán)色 SLAM 軌跡高度重合點(diǎn)云地圖細(xì)節(jié)清晰。序列 01高速公路的建圖結(jié)果則充分體現(xiàn)了 MULLS 在高速、大場景下的低漂移能力。參數(shù)調(diào)優(yōu)與精度評估進(jìn)階玩法對精度有更高要求的進(jìn)階用戶可以重點(diǎn)關(guān)注參數(shù)配置所有算法參數(shù)集中在lo_gflag_list_xxx.txt文件中例如回環(huán)檢測開關(guān)--loop_closure_detection_on、距離過濾范圍min_dist_used/max_dist_used等均在 mulls_slam.cpp 中定義并附有詳細(xì)注釋。結(jié)果評估項(xiàng)目提供兩種評估方式——基于 evo 的軌跡對比以及自帶的 kitti_eval.py 腳本可輸出平移/旋轉(zhuǎn)誤差的統(tǒng)計(jì)報(bào)告方便你量化調(diào)參效果。項(xiàng)目源碼結(jié)構(gòu)速覽對于想深入源碼學(xué)習(xí)的朋友MULLS 的目錄組織非常清晰按功能劃分為include/common/核心算法庫包括點(diǎn)云處理 cprocessing.hpp、配準(zhǔn) cregistration.hpp、濾波 cfilter.hpp 等include/pgo/后端優(yōu)化含建圖管理器 map_manager.h、位姿圖構(gòu)建與優(yōu)化include/baseline_reg/基線配準(zhǔn)方法GICP / NDT用于公平對比test/可執(zhí)行程序入口如 mulls_slam.cpp、mulls_reg.cpppython/評估與坐標(biāo)轉(zhuǎn)換工具如 kitti_eval.py、diagnostics.py總結(jié)MULLS 是近年來最值得研究的LiDAR SLAM 開源項(xiàng)目之一它用多度量線性最小二乘的統(tǒng)一框架把精度、速度和通用性做到了很好的平衡且代碼開源、文檔齊全、demo 開箱即用。無論你是想快速跑通一個(gè) SLAM 系統(tǒng)驗(yàn)證想法還是希望深入理解前沿配準(zhǔn)算法的學(xué)生與工程師MULLS 都是一份極佳的學(xué)習(xí)與實(shí)戰(zhàn)素材。想要立刻動手克隆倉庫體驗(yàn)一下吧git clone https://gitcode.com/gh_mirrors/mu/MULLS從內(nèi)置 demo 開始幾分鐘就能跑出第一張屬于自己的激光雷達(dá)點(diǎn)云地圖 【免費(fèi)下載鏈接】MULLS MULLS: Versatile LiDAR SLAM via Multi-metric Linear Least Square [ICRA 21]項(xiàng)目地址: https://gitcode.com/gh_mirrors/mu/MULLS創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考 終極指南：MULLS 是什么？一文讀懂 ICRA 2021 高效低漂移的 LiDAR SLAM 開源項(xiàng)目
終極指南MULLS 是什么一文讀懂 ICRA 2021 高效低漂移的 LiDAR SLAM 開源項(xiàng)目【免費(fèi)下載鏈接】MULLS MULLS: Versatile LiDAR SLAM via Multi-metric Linear Least Square [ICRA 21]項(xiàng)目地址: https://gitcode.com/gh_mirrors/mu/MULLS在自動駕駛、機(jī)器人導(dǎo)航和三維重建領(lǐng)域LiDAR SLAM激光雷達(dá)同步定位與建圖一直是核心技術(shù)難題。今天要介紹的MULLS正是發(fā)表于 ICRA 2021 的開源 LiDAR SLAM 項(xiàng)目它憑借多度量線性最小二乘Multi-metric Linear Least Square的創(chuàng)新思路實(shí)現(xiàn)了高效、低漂移、多場景通用的建圖定位能力并已在 Ubuntu 16.04/18.04/20.04 上穩(wěn)定運(yùn)行。這篇終極指南將帶你從原理到實(shí)踐一文讀懂 MULLS。MULLS 是什么從論文到開源代碼MULLS 全稱MULLS: Versatile LiDAR SLAM via Multi-metric Linear Least Square由 ETH Zurich 的 Yue Pan 等學(xué)者發(fā)表于ICRA 2021是經(jīng)典 LLS-LOAM 的全面升級版本。它的核心思想非常巧妙傳統(tǒng) LiDAR 里程計(jì)通常只對點(diǎn)云整體做 ICP 配準(zhǔn)而 MULLS 將每一幀點(diǎn)云按幾何特征分類——地面點(diǎn)、立面點(diǎn)、柱狀點(diǎn)、光束點(diǎn)等然后針對不同類別的點(diǎn)分別構(gòu)造多度量誤差項(xiàng)最后用一個(gè)統(tǒng)一的線性最小二乘框架求解幀間位姿。由于誤差建模更精細(xì)它在精度和魯棒性上都明顯優(yōu)于傳統(tǒng)方法同時(shí)保持了極高的計(jì)算效率。上圖是論文中的核心實(shí)驗(yàn)數(shù)據(jù)在 KITTI Odometry 多個(gè)序列上MULLS-SLAM 的定位誤差和單幀耗時(shí)都表現(xiàn)出色尤其是在高速公路01 序列等大場景中其低漂移優(yōu)勢尤為突出。MULLS 的核心優(yōu)勢為什么它高效又低漂移作為 ICRA 2021 收錄的開源LiDAR SLAM 項(xiàng)目MULLS 的三大核心競爭力值得關(guān)注1. 多度量特征分類配準(zhǔn)更聰明 MULLS 把點(diǎn)云劃分為地面、立面、柱面、光束等多個(gè)幾何類別每類點(diǎn)使用最合適的度量方式參與配準(zhǔn)而不是一刀切地做整體 ICP。這讓它對噪聲和動態(tài)物體更魯棒。2. 線性最小二乘速度更快? 得益于巧妙的誤差線性化設(shè)計(jì)MULLS 的位姿求解無需迭代優(yōu)化海森矩陣單幀處理耗時(shí)可低至幾十毫秒完全滿足實(shí)時(shí)應(yīng)用需求。3. 前端 后端完整閉環(huán) 項(xiàng)目不僅提供里程計(jì)前端還內(nèi)置了回環(huán)檢測與位姿圖優(yōu)化后端支持 g2o / ceres / gtsam 三種優(yōu)化器讓長距離行駛時(shí)的累計(jì)漂移得到有效抑制。MULLS-SLAM 與 MULLS-Registration兩大核心模塊MULLS 倉庫包含兩個(gè)可獨(dú)立使用的高價(jià)值模塊MULLS-SLAM完整建圖定位系統(tǒng)這是全流程的 SLAM 系統(tǒng)輸入一序列點(diǎn)云幀輸出全局一致的三維地圖和位姿軌跡。MULLS-Registration高精度點(diǎn)云配準(zhǔn)如果你只需要兩幀點(diǎn)云的精確對齊例如 TLS 地面激光掃描配準(zhǔn)可以單獨(dú)使用 MULLS-ICP還可結(jié)合 TEASER 實(shí)現(xiàn)基于截?cái)嘧钚《说娜峙錅?zhǔn)。兩個(gè)模塊都提供了開箱即用的運(yùn)行腳本run_mulls_slam.sh 與 run_mulls_reg.sh修改數(shù)據(jù)路徑即可直接運(yùn)行。如何安裝編譯 MULLS最快配置方法MULLS 的依賴分為必需和可選兩層安裝門檻并不高依賴層級庫列表用途必需PCL(≥1.7)、Glog、Gflags、Eigen 3點(diǎn)云處理、日志、參數(shù)解析可選LibLas / HDF5 / Proj4特定數(shù)據(jù)格式讀寫、地理坐標(biāo)投影可選OpenCV2D 地圖與 BEV 圖像生成可選g2o / ceres / gtsam三選一位姿圖優(yōu)化推薦 ceres可選TEASER全局配準(zhǔn)MULLS-Registration 用一鍵安裝依賴Ubuntu 16.04 驗(yàn)證直接運(yùn)行項(xiàng)目自帶的 install_dep_lib.sh 腳本即可。隨后按標(biāo)準(zhǔn) CMake 流程編譯mkdir build cd build cmake .. make cd ..如果想按需開關(guān)可選依賴可以在 CMakeLists.txt 中調(diào)整選項(xiàng)或用ccmake ..交互式配置?？焖偕鲜钟脙?nèi)置 demo 數(shù)據(jù)一鍵體驗(yàn) MULLS項(xiàng)目自帶 16 幀相鄰掃描點(diǎn)云位于 demo_data/pcd/ 目錄無需準(zhǔn)備任何外部數(shù)據(jù)即可體驗(yàn)完整流程。體驗(yàn) MULLS-SLAMsh script/run_mulls_slam.sh體驗(yàn) MULLS-Registrationsh script/run_mulls_reg.sh運(yùn)行結(jié)束后結(jié)果軌跡、地圖、評估報(bào)告會輸出到 demo 數(shù)據(jù)下的result文件夾實(shí)時(shí)可視化窗口也會同步展示建圖過程非常適合新手快速建立對 LiDAR SLAM 的直觀認(rèn)識。支持哪些數(shù)據(jù)格式與數(shù)據(jù)集MULLS 的通用性Versatile名不虛傳輸入點(diǎn)云格式支持pcd、ply、txt、las、csv、h5、bin七種只需要在啟動腳本中指定pc_format即可。在數(shù)據(jù)集層面項(xiàng)目官方提供了多種場景的調(diào)優(yōu)配置放在 script/config/ 目錄下KITTI城市 / 高速公路 / 極速模式lo_gflag_list_kitti_urban.txt、lo_gflag_list_kitti_highway.txtMulRanlo_gflag_list_mulran.txtNewer Collegelo_gflag_list_newer_college.txt16/32/64 線激光雷達(dá)通用配置KITTI 原始 bin 數(shù)據(jù)可通過 run_kittibin2pcd.sh 一鍵轉(zhuǎn)換為 pcdSemantic KITTI 的語義標(biāo)簽也有對應(yīng)轉(zhuǎn)換腳本 run_semantic_kitti_labelbin2pcd.sh用于啟用語義掩碼輔助的增強(qiáng)版里程計(jì)。上圖是 MULLS 在 KITTI 序列 00城市道路的建圖與軌跡評估結(jié)果黑色真實(shí)軌跡與藍(lán)色 SLAM 軌跡高度重合點(diǎn)云地圖細(xì)節(jié)清晰。序列 01高速公路的建圖結(jié)果則充分體現(xiàn)了 MULLS 在高速、大場景下的低漂移能力。參數(shù)調(diào)優(yōu)與精度評估進(jìn)階玩法對精度有更高要求的進(jìn)階用戶可以重點(diǎn)關(guān)注參數(shù)配置所有算法參數(shù)集中在lo_gflag_list_xxx.txt文件中例如回環(huán)檢測開關(guān)--loop_closure_detection_on、距離過濾范圍min_dist_used/max_dist_used等均在 mulls_slam.cpp 中定義并附有詳細(xì)注釋。結(jié)果評估項(xiàng)目提供兩種評估方式——基于 evo 的軌跡對比以及自帶的 kitti_eval.py 腳本可輸出平移/旋轉(zhuǎn)誤差的統(tǒng)計(jì)報(bào)告方便你量化調(diào)參效果。項(xiàng)目源碼結(jié)構(gòu)速覽對于想深入源碼學(xué)習(xí)的朋友MULLS 的目錄組織非常清晰按功能劃分為include/common/核心算法庫包括點(diǎn)云處理 cprocessing.hpp、配準(zhǔn) cregistration.hpp、濾波 cfilter.hpp 等include/pgo/后端優(yōu)化含建圖管理器 map_manager.h、位姿圖構(gòu)建與優(yōu)化include/baseline_reg/基線配準(zhǔn)方法GICP / NDT用于公平對比test/可執(zhí)行程序入口如 mulls_slam.cpp、mulls_reg.cpppython/評估與坐標(biāo)轉(zhuǎn)換工具如 kitti_eval.py、diagnostics.py總結(jié)MULLS 是近年來最值得研究的LiDAR SLAM 開源項(xiàng)目之一它用多度量線性最小二乘的統(tǒng)一框架把精度、速度和通用性做到了很好的平衡且代碼開源、文檔齊全、demo 開箱即用。無論你是想快速跑通一個(gè) SLAM 系統(tǒng)驗(yàn)證想法還是希望深入理解前沿配準(zhǔn)算法的學(xué)生與工程師MULLS 都是一份極佳的學(xué)習(xí)與實(shí)戰(zhàn)素材。想要立刻動手克隆倉庫體驗(yàn)一下吧git clone https://gitcode.com/gh_mirrors/mu/MULLS從內(nèi)置 demo 開始幾分鐘就能跑出第一張屬于自己的激光雷達(dá)點(diǎn)云地圖 【免費(fèi)下載鏈接】MULLS MULLS: Versatile LiDAR SLAM via Multi-metric Linear Least Square [ICRA 21]項(xiàng)目地址: https://gitcode.com/gh_mirrors/mu/MULLS創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考