Python中的图形SLAM求解器
项目描述
这个包的文档可以在https://python-graphslam.readthedocs.io/找到。
这个包在 Python 中实现了一个 Graph SLAM 求解器。
特征
优化R^2、R^3、SE(2)和SE(3)数据集
解析雅可比行列式
支持里程计边缘
为SE(2)和SE(3)数据集导入和导出 .g2o 文件
安装
pip install graphslam示例用法
SE(3) 数据集
>>> from graphslam.load import load_g2o_se3
>>> g = load_g2o_se3("data/parking-garage.g2o") # https://lucacarlone.mit.edu/datasets/
>>> g.plot(vertex_markersize=1)
>>> g.calc_chi2()
16720.02100546733
>>> g.optimize()
>>> g.plot(vertex_markersize=1)输出：
Iteration chi^2 rel. change
--------- ----- -----------
0 16720.0210
1 45.6644 -0.997269
2 1.2936 -0.971671
3 1.2387 -0.042457
4 1.2387 -0.000001
原来的 |
优化 |
|
|
SE(2) 数据集
>>> from graphslam.load import load_g2o_se2
>>> g = load_g2o_se2("data/input_INTEL.g2o") # https://lucacarlone.mit.edu/datasets/
>>> g.plot()
>>> g.calc_chi2()
7191686.382493544
>>> g.optimize()
>>> g.plot()输出：
Iteration chi^2 rel. change
--------- ----- -----------
0 7191686.3825
1 319916668.8138 43.484235
2 124888469.1437 -0.609622
3 338171.6169 -0.997292
4 734.5693 -0.997828
5 215.8405 -0.706167
6 215.8405 -0.000000
原来的 |
优化 |
|
|
参考文献和致谢
Grisetti, G.、Kummerle, R.、Stachniss, C. 和 Burgard, W.，2010。基于图的 SLAM 教程。IEEE 智能交通系统杂志，2(4)，pp.31-43。
Blanco, JL, 2010。关于 SE(3) 变换参数化和流形优化的教程。马拉加大学，科技。众议员，3。
Carlone, L.、Tron, R.、Daniilidis, K. 和 Dellaert, F.，2015 年 5 月。3D SLAM 的初始化技术：关于旋转估计的调查及其在位姿图优化中的应用。2015 年 IEEE 机器人与自动化国际会议 (ICRA) (pp. 4597-4604)。IEEE。
Carlone, L. 和 Censi, A.，2014年。从角流形到整数格：保证方向估计与姿势图优化的应用。IEEE Transactions on Robotics，30(2)，pp.475-492。
感谢 Luca Larlone 允许在这个 repo 中包含英特尔和停车场数据集。
Python中的实时编码图SLAM
有兴趣的可以看我写的代码。
下载文件
下载适用于您平台的文件。如果您不确定要选择哪个，请了解有关安装包的更多信息。
源分布
graphslam-0.0.8.tar.gz
（16.1 kB
查看哈希）
内置分布
graphslam-0.0.8-py3-none-any.whl
（21.0 kB
查看哈希）