文章：R3LIVE: A Robust, Real-time, RGB-colored, LiDAR-Inertial-Visual tightly-coupled state Estimation and mapping package
作者：Jiarong Lin and Fu Zhang
编译：点云PCL
代码：https://github.com/hku-mars/r3live.git
来源：arXiv 2021
欢迎加入免费知识星球获取PDF欢迎转发朋友圈。文章只是学术分享，如有侵权，请联系删除。未经博主同意，请勿擅自转载。
论文阅读模块将共享点云处理，SLAM，与三维视觉和高精度地图相关的文章。官方账户致力于了解三维视觉领域的干货共享。欢迎加入我。我们每天阅读一篇文章，开始分享之旅。如果您感兴趣，请联系微信dianyunpcl@163.com。
摘要
本文提出了一种新的激光雷达惯导视觉传感器集成框架R3LIVE，该框架通过测量激光雷达、惯导和视觉传感器来实现鲁棒和准确的状态估计。R3LIVE激光雷达惯性里程计包括两个子系统（LIO）和视觉惯性里程计（VIO）,LIO子系统（FASTLIO）利用激光雷达和惯导传感器的测量结果，构建全局地图的几何结构(即3D点的位置)，VIO子系统利用视觉惯导传感器的数据来渲染地图的纹理(即3D点的颜色)，更具体地说，VIO视觉数据直接有效地集成在子系统中，通过最小化帧到贴图的光度误差。所开发的系统R3LIVE这是我们以前的工作R2LIVE经过仔细的架构设计和实现，在此基础上开发。开发的系统R3LIVE这是我们以前的工作R2LIVE经过仔细的结构设计和实现。实验结果表明，该系统在状态估计方面比目前的类似系统具有更强的鲁棒性和更高的准确性。
3D应用领域
R3LIVE它是一个多功能、精心设计的系统，不仅可以用作实时机器人SLAM该系统还可用于测绘和其他应用程序的密集重建、应用RGB贴图的3D点云地图。另外，为了使R3LIVE我们开发了一系列离线实用程序，用于重建和纹理网格，这进一步缩小了R3LIVE与各种3D应用程序(如模拟器、视频游戏等。)之间的差距。我们正在分享我们的发现，并为社区做出贡献Github打开源代码3R3LIVE：https://github.com/hku-mars/r3live.git
3D目标检测：MV3D-Net
三维点云分割综述(上)
3D-MiniNet: 从点云中学习2D为了实现快速有效的3D LIDAR语义分割(2020)
win下使用QT添加VTK实现点云可视化的插件GUI
JSNet：3D点云的联合实例和语义分割
大场景三维点云语义分割综述
PCL中outofcore基于核外八叉树的大规模点云显示
目标分割基于局部凹凸
基于三维卷积神经网络的点云标记
点云的超体素(SuperVoxel)
基于超点图的大规模点云分割
更多文章可多文章:点云学习历史文章总结
【论文速读】AVP-SLAM：自动停车系统中的语义SLAM
【点云论文速读】StructSLAM:结构线特征SLAM
SLAM和AR综述
常用的3D深度相机
AR单目视觉惯导设备SLAM算法综述与评价
SLAM综述(4)激光与视觉的融合SLAM
Kimera语义实时重建SLAM系统
SLAM综述(3)-视觉和惯导，视觉和深度学习SLAM
易扩展的SLAM框架-OpenVSLAM
高翔:非结构化道路激光SLAM中的挑战
SLAM综述之Lidar SLAM
以鱼眼相机为基础SLAM方法介绍
如果您对本文感兴趣，请在后台发送知识星球以获取二维码。一定要遵循姓名 学校/公司 在免费知识星球中加入研究方向备注，免费下载pdf文档，和更多喜欢分享的朋友交流！
如有错误，请留言评论，欢迎指正交流。如有侵权，请联系删除
扫描二维码
关注我们
让我们一起分享和学习吧！期待有想法、愿意分享的朋友加入免费星球，注入爱情分享的新鲜活力。共享的主题包括但不限于三维视觉、点云、高精度地图、自动驾驶、机器人等相关领域。
分享与合作方式:微信920177957(需按要求备注) 联系邮箱：dianyunpcl@163.com，欢迎企业联系微信官方账号合作。
点一下“在看”你会更好看耶