当前位置: 首页 > news >正文

Fast_Lio 修改激光雷达话题

一、前言

Fast_Lio 支持多类型LiDAR:旋转式(Velodyne/Ouster)+固态(Livox),首先需要了解自己的激光雷达的协议是哪种类型,并修改对应的yaml文件。
我使用的是武汉天眸的16线机械式旋转雷达,兼容的是Velodyne 数据格式,因此本文针对该协议给出教程,未来使用其他款雷达,将同步修改该文档。

二、修改 config/velodyne.yaml 文件

  • common:公共配置
    • lid_topic:点云话题。
    • imu_topic:IMU话题。
    • time_sync_en:软件时间同步。仅在没有外部同步线/硬同步时才启用。若 LiDAR 和 IMU 已硬件同步,则设为 false。
    • time_offset_lidar_to_imu:激光雷达时间相对于IMU的偏移。由外部算法(如 LI-Init)校准得到,单位为秒。用于补偿雷达时间戳偏差。如果不知道精确偏移,请设为 0.0。该参数始终生效,即使 time_sync_en 是 false。
  • preprocess:点云预处理配置
    • lidar_type: 雷达类型。我们选择修改的是 velodyne.yaml 文件,此处已经默认选好了velodyne,不用修改。(1: Livox 系列;2: Velodyne;3: Ouster。)
    • scan_line:雷达线数。
    • scan_rate:扫描频率(Hz)。
    • timestamp_unit:点
http://www.lryc.cn/news/600859.html

相关文章:

  • C++核心编程学习--对象特性--对象模型和this指针
  • 在C#中判断两个列表数据是否相同
  • 服务器:数字世界的隐形引擎
  • C++ - 仿 RabbitMQ 实现消息队列--服务端核心模块实现(四)
  • 「iOS」————继承链与对象的结构
  • 数据结构 二叉树(3)---层序遍历二叉树
  • 系统性提升大模型回复准确率:从 RAG 到多层 Chunk 策略
  • 机器学习特征工程:特征选择及在医学影像领域的应用
  • 【AI】联网模式
  • odoo代码分析(二)
  • idea中无法删除模块,只能remove?
  • 建筑施工场景下漏检率↓76%!陌讯多模态融合算法在工程安全监控的落地实践
  • 三防平板搭载2D扫描头:工业数据采集的革新利器
  • python—————knn算法
  • 【图像分割】记录1:unet, yolov8_seg
  • 嵌入式分享#27:原来GT911有两个I2C地址(全志T527)
  • 深度学习损失函数的设计哲学:从交叉熵到Huber损失的深入探索
  • Spring AI Alibaba Video 示例
  • 阿里开源Qwen3-Coder,编程大模型进入高效时代
  • Go语言unsafe包深度解析
  • 机器学习入门:线性回归详解与实战
  • 高效无损压缩方案:轻松批量处理图片,节省存储空间
  • Python编程:初入Python魔法世界
  • 基于cooragent的旅游多智能体的MCP组件安装与其开发
  • 用Java实现rpc的逻辑和流程图和核心技术与难点分析
  • Android中ViewStub和View有什么区别?
  • 洛谷 P1226 【模板】快速幂-普及-
  • 聚焦牛牛道:绿色积分模式如何实现快速发展?
  • Android 蓝牙学习
  • 如何检查服务器数据盘是否挂载成功?