资讯🔥7.0
SLAM benchmark on Livox Mid-360: public dataset + our own UAV flight data (KISS-ICP, DLIO, FAST-LIO2, GLIM)
📋总体概括
一位开发者基于Jetson Orin NX、Livox Mid-360激光雷达和Pixhawk搭建无人机导航栈,为选型做了两组评测:一是用TIERS公开室内数据集对比OptiTrack真值,二是自采无人机飞行数据,横向测试KISS-ICP、DLIO、FAST-LIO2、GLIM四种算法。结果显示纯LiDAR里程计与LiDAR-惯性紧耦合方案在精度上差距明显,FAST-LIO2在公开基准上APE RMSE约0.060米,优于KISS-ICP的0.124米。这类开源实测评测为无人机SLAM工程选型提供了少见的真实参考。
⚡关键信息
- ▸硬件平台为Jetson Orin NX+Livox Mid-360+Pixhawk,目标为无人机导航栈算法选型
- ▸公开基准采用TIERS室内数据集,以OptiTrack动捕系统作为真值
- ▸FAST-LIO2的APE RMSE为0.060米,KISS-ICP为0.124米,紧耦合方案精度领先约一倍
- ▸对比算法覆盖纯LiDAR里程计、LiDAR-惯性里程计和完整SLAM三类
- ▸除公开数据外还自采UAV飞行数据验证,贴近真实部署场景
🔥犀利点评
嵌入式平台上做这种实打实的横评,比论文里跑服务器数据有价值得多。Orin NX算力有限,算法精度排序在真机上未必和论文一致,这份对比恰好补了这个空白。但缺了运行时间、CPU占用和内存数据,精度再好跑不满实时也是白搭——希望作者补上资源消耗这一栏,那才是嵌入式选型的命门。
📰 相关资讯(与本文相关的其他资讯)
本文由本站自动聚合,以下为原始来源:前往 ROS Discourse 阅读全文 →