Skip to content
New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

关于系统运行效率 #4

Open
moonsheep99 opened this issue Nov 4, 2024 · 1 comment
Open

关于系统运行效率 #4

moonsheep99 opened this issue Nov 4, 2024 · 1 comment

Comments

@moonsheep99
Copy link

首先,感谢您这么棒的开源工作!

通过文章发现工作是基于因子图优化的,实验可以以50ms处理速度运行,真的很快。
文中说此计算效率得益于ikd-tree地图的增量更新,这让我有些想不通,因为因子图优化往往时间消耗很大。与同样基于ikd-tree的几个直接配准+滤波的方法(FAST-LIO2系列),和点云特征+因子图优化的方法相比,可以这么理解吗:大部分运行效率的差异实则源自地图管理,小部分差异源于后端方法和点云处理方法?

另外,想咨询一下您测试过腿部里程计,LiDAR里程计(应该是10Hz?)和整体系统(因子图优化后)的输出频率嘛?

后续我也会着手测试一下,再次感谢您的开源工作!

@ouguangjun
Copy link
Owner

ouguangjun commented Nov 4, 2024

感谢你的关注。你说的没错,地图维护以及特征匹配占据大多数算力。gtsam的因子图优化其实是很快的,相对于地图来说可以忽略不计。 腿足里程计频率是跟编码器IMU一样,因子图优化后的输出频率是跟激光雷达一样。 地图管理还有更快的方法,比如说voxel管理的地图,不过我现在忙于在找工作没时间管理,未来写毕设时我再重新编写并优化代码吧,liosam框架还是有不少问题的。再次感谢你的关注。

Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment
Labels
None yet
Projects
None yet
Development

No branches or pull requests

2 participants