当前位置: 首页 > backend >正文

开源代码——gtsam_points配置安装

下载

gtsam_points
或者私信

简单翻译

这是一个基于GTSAM框架开发的点云SLAM因子和优化器集合,主要用于基于距离的SLAM系统。

主要功能模块

扫描匹配因子

1‌.IntegratedICPFactor & IntegratedPointToPlaneICPFactor‌
传统点对点和点对面ICP算法
2‌.IntegratedGICPFactor‌
基于分布到分布距离的广义ICP
3‌.IntegratedVGICPFactor‌
基于体素数据关联和多分布对应的VGICP
4‌.IntegratedVGICPFactorGPU‌
VGICP的GPU实现(需启用-DBUILD_WITH_CUDA=ON)
5‌.IntegratedLOAMFactor‌
结合点对面和点对边距离的匹配代价因子

彩色扫描匹配因子

1.IntegratedColorConsistencyFactor‌
光度ICP误差
2‌.IntegratedColoredGICPFactor‌
光度ICP误差+GICP几何误差

连续时间ICP因子

1‌.IntegratedCT_ICPFactor‌
连续时间ICP因子
2‌.IntegratedCT_GICPFactor‌
结合GICP D2D匹配代价的连续时间ICP

光束法平差因子

‌1.PlaneEVMFactor和EdgeEVMFactor‌
基于特征值最小化的光束法平差因子
2‌.LsqBundleAdjustmentFactor‌
基于EVM和EF最优条件满足的光束法平差因子

GPU优化器

所有优化器均派生自GTSAM实现:

LevenbergMarquardtOptimizerExt
ISAM2Ext
IncrementalFixedLagSmootherExt

最近邻搜索

1‌.KdTree‌
并行树构建的KdTree(基于nanoflann)
2‌.IncrementalVoxelMap‌
增量体素最近邻搜索(iVox)
‌3.IncrementalCovarianceVoxelMap‌
带在线法线和协方差估计的增量体素地图
4‌.FastOccupancyGrid‌
用于高效点云重叠估计的二进制占据栅格

安装方式

gtsam

git clone https://github.com/borglab/gtsam
cd gtsam
git checkout 4.3a0mkdir build && cd build
cmake .. \-DGTSAM_BUILD_EXAMPLES_ALWAYS=OFF \-DGTSAM_BUILD_TESTS=OFF \-DGTSAM_WITH_TBB=OFF \-DGTSAM_BUILD_WITH_MARCH_NATIVE=OFFmake -j$(nproc)
sudo make install

[optional] iridescence

This is required for only demo programs

sudo apt install -y libglm-dev libglfw3-dev libpng-dev
git clone https://github.com/koide3/iridescence --recursive
mkdir iridescence/build && cd iridescence/build
cmake .. -DCMAKE_BUILD_TYPE=Release
make -j$(nproc)
sudo make install

编译 gtsam_points

git clone https://github.com/koide3/gtsam_points
mkdir gtsam_points/build && cd gtsam_points/build
cmake .. -DCMAKE_BUILD_TYPE=Release# Optional cmake arguments
# cmake .. \
#   -DBUILD_DEMO=OFF \                # Set ON to build demo programs
#   -DBUILD_TESTS=OFF \               # Set ON to build unit tests
#   -DBUILD_TOOLS=OFF \               # Set ON to build tools
#   -DBUILD_WITH_TBB=OFF \            # Set ON to enable TBB
#   -DBUILD_WITH_OPENMP=OFF \         # Set ON to enable OpenMP
#   -DBUILD_WITH_CUDA=OFF \           # Set ON to enable CUDA support
#   -DBUILD_WITH_CUDA_MULTIARCH=OFF \ # Set ON to enable multi-arch CUDA support
#   -DCMAKE_CUDA_ARCHITECTURES=89 \   # If not specified, "native" architecture is used
#   -DBUILD_WITH_MARCH_NATIVE=OFF     # Set ON to enable -march=native (recommended to keep it OFF)make -j$(nproc)
sudo make install

测试

cd gtsam_points
./build/demo_matching_cost_factors
./build/demo_bundle_adjustment
./build/demo_continuous_time
./build/demo_continuous_trajectory
./build/demo_colored_registration

部分截图

请添加图片描述

请添加图片描述

http://www.xdnf.cn/news/18316.html

相关文章:

  • 机器学习经典算法总结:K-Means聚类与集成学习(Bagging, Boosting, Stacking)
  • 桌面挂件不能承受之重——GIF
  • 机器学习之数据预处理学习总结
  • MybatisPlusAutoConfiguration源码阅读
  • 强化学习算法分类与介绍(含权重更新公式)
  • 深度解析Atlassian 团队协作套件(Jira、Confluence、Loom、Rovo)如何赋能全球分布式团队协作
  • Windows查看端口占用情况
  • 2025年物流大数据分析的主要趋势
  • 【LeetCode 热题 100】322. 零钱兑换——(解法二)自底向上
  • 嵌入式接口通识知识之SDIO接口
  • 聚铭安全管家平台2.0实战解码 | 安服篇(四):重构威胁追溯体系
  • 手写MyBatis第28弹:告别代理,直击本质:手写MyBatis SqlSession的增删改查奥秘
  • 「数据获取」《中国环境统计年鉴》(1998-2024)(获取方式看绑定的资源)
  • C# 编写一个XmlToDota的转换工具
  • Seaborn数据可视化实战:Seaborn入门-环境搭建与基础操作
  • [ Servlet 服务器]
  • electron-vite_18Less和Sass共用样式指定
  • 基于混合注意力网络和深度信念网络的鲁棒视频水印技术基础理论深度解析
  • AI设计师-标小智旗下AI在线设计平台
  • [论文阅读] 人工智能 + 软件工程 | 当AI成为文学研究员:Agentic DraCor如何用MCP解锁戏剧数据分析
  • 设计模式之观察者模式
  • 为什么可以kvcache
  • 订单簿数据深度学习方法在大单发现应用
  • 微信小程序集成vant-weapp时,构建npm报错的解决办法
  • 深度学习-计算机视觉-物体检测与边缘框实现
  • 区块链联邦学习思路一
  • 机器学习两大核心算法:集成学习与 K-Means 聚类详解
  • 如何保证数据库和缓存的一致性?
  • Java设计模式-模板方法模式
  • 常见开源协议详解:哪些行为被允许?哪些被限制?