最近在不同环境下进行lio-sam建图时，遇到一个问题：在通过狭窄道路时，两侧高耸的建筑反射卫星信号，导致出现RTK解算status=1/2 RTK增强定位时（1 SBAS_FIX星基增强系统修复，2 GBAS_FIX地基增强系统修复），仍然出现大幅度的位置漂移，从而导致GPS因子介入制图的位置出现错位。
LIO-SAM—去除GPS多路径效应干扰
2条回复
分类目录归档：自动驾驶
LIO-SAM—通过平滑和映射实现紧耦合激光雷达惯性里程计
本文对LIO-SAM:Tightly-coupled Lidar Inertial Odometry via Smoothing and Mapping论文进行研读。
SLAM—如何构建一副更精准的地图
一般来说，建图算法通常会使用IMU、Lidar、Camera、RTK等传感器数据，通过确定机器人的位置/速度/航向、点云去畸变、点云融合拼接等方法，构建一副完整的地图。地图是否精准，直接决定了机器人后续的定位导航能力。
激光雷达—镭神LS C16
一、概述
1. 简介
C16系列激光雷达是镭神智能推出的一款高性能、小型化的16线混合固态激光雷达。这款雷达主要用于实现三维空间的精确感知，广泛应用于自动驾驶、机器人导航、无人机避障以及智能安防等领域。
Autoware—使用TIER IV绘制Lanelet2高精地图
之前我们尝试了使用Unity的MapToolBox插件来绘制VectorMap地图，并在Autoware.ai版本中正常用于导航。由于Autoware.universe版本里有不少不错的能力，但是它只支持Lanelet2地图，另外MapToolBox插件缺乏红绿灯等交通标识的支持，因此本文尝试使用TIER IV绘制Lanelet2的高精地图。
Autoware—点云地图分割加载
遇到采集的地图范围较大时，生成的点云地图也会比较大，例如我采集建图并进行0.1降采样的数据，PCD点云大约900M，这么大的点云points_map_loader是无法一次性加载并pub到topic给rviz展示的，必须进行点云分割和动态分块加载。本文就带大家一起尝试下解决方法。
Autoware—GNSS辅助NDT定位
一、背景
上一次，我们使用Autoware成功进行了ndt定位和导航，但是GNSS初始定位以及修正功能没有正常生效。行走途中遇到剧烈颠簸、非常狭小的空间、遮挡严重、或其他ndt局部定位特征不足时，ndt_matching会找不到自己位置导致定位飞。
Autoware—定位/导航验证
上一次，我们使用lio-sam、ndt-mapping分别尝试构建小区和公园的地图，今天我们继续下一步，地图来进行定位和导航的验证。
Unity—MapToolBox绘制VectorMap地图
上一次，我们使用ndt-mapping构建了一个PCD点云地图，在开始Autoware的导航之前，单靠点云地图是不够的，我们需要先绘制矢量地图，来约束可行驶的区域、方向等，然后再继续导航环节的验证。
Autoware—3D建图之NDTMapping
LIO-SAM对输入的点云/imu数据太敏感，道路距离过窄过宽都容易建图失败，在没有建筑物的公园基本用不了。因此本文尝试使用对特征点要求相对较少的ndt算法，来看看在小区或公园等场景的建图效果。
Autoware—AI版本的部署
由于LIO-SAM在公园等树木多特征少的场景效果不太好，但NDT是集成在Autoware.ai 1.x版本里的，这里记录下部署编译过程。
GNSS—G70差分定位RTK模块
今天新到一个G70 RTK定位模块，它支持多种卫星导航系统，包括中国BDS北斗，美国GPS，俄罗斯GLONASS、欧洲Galileo，日本QZSS卫星定位系统。G70内置RTCM更正，通过本地基站或网络 RTK设置中的虚拟参考站(VRS)，可以支持厘米级定位。
GNSS—基本原理
一、GNSS工作原理
1. GNSS简介
全球卫星导航系统 (Global Navigation Satellite Systems，GNSS )，指基于卫星信号来确定用户接收机位置的系统。目前的全球卫星导航系统中，美国的 GPS系统和俄罗斯的 GLONASS系统处于完全运行状态，可以提供全球定位服务，中国的北斗系统 也于 2020 年完成。卫星导航系统 GNSS市场的快速增长，卫星导航系统 GNSS芯片向多模化的方向发展，即单一芯片支持多种卫星导航系统 GNSS系统，比如 GPS + GLONASS，GPS + Galileo，GPS + 北斗等等。
Pandar40P + H30IMU + LIO_SAM建图
今天开始尝试使用Lidar+IMU进行3D SLAM建图，本文记录下实验过程。
Pandar40P Lidar + H30 IMU 外参标定
在使用LIO-SAM进行Lidar+IMU建图之前，需要做两个标定工作，IMU内参标定和Lidar-IMU外参标定。IMU内参标定，可以解决其固有的测量误差问题。Lidar和IMU的外参标定(以下简称“外参标定”)，目的是获得激光雷达和IMU之间的位置转换关系，其中包括平移关系和旋转关系，对应最终输出结果中的平移向量与旋转矩阵。
IMU—H30九轴AHRS
今天新到一个九轴IMU – H30，它是一款高精度的姿态传感器，集成三轴 MEMS 陀螺仪、三轴 MEMS加速度计和三轴磁传感器，可以测量载体的三维姿态角度、加速度、角速度和磁场强度信息，实现 0.1°横滚、俯仰角测量精度和 0.5°无参考航向角、1°磁参考航向角测量精度，最大输出频率200HZ。
Nvidia Jetson AGX Orin系统刷写
新到一块Nvidia Jetson AGX Orin 32G的板子，想压测下GPU性能时发现里边没有带CUDA，重新刷下机，记录下刷机过程。
TensorRT 10.x NOTFOUND TENSORRT_NVPARSERS_LIBRARY 问题
问题描述:
在 Ubuntu22.04 + Orin Arm 中构建 tensorrt_common 时，出现未找到 TENSORRT_NVPARSERS_LIBRARY 变量错误。
RS16在Ubuntu22下无法显示点云问题
问题现象：
在Ubuntu 22.04上调试RS16的3D建图，发现ROS2无法正常显示点云，尝试使用官方的RSView工具也无法正常显示点云。
Autoware—Universe初探
上次我们大概了解了Autoware是什么，以及它的基本原理。作为一个完备的自动驾驶框架，Autoware看起来很有吸引力，那么今天就带大家动手实践下，看它是不是像描述的那么好用。