Open DioBakery opened 2 months ago
@DioBakery 你可以在loopdetection/xxx/main.py 里把icp_fitness_score 调大,以应对不同的数据。不同激光的数据密度不一样,直接影响了icp最后的匹配效果,在提供的数据集里为了减少outlier,icp_fitness_score参数设的比较严格,直接应用到别的数据集会导致一直reject。
@DioBakery 你可以在loopdetection/xxx/main.py 里把icp_fitness_score 调大,以应对不同的数据。不同激光的数据密度不一样,直接影响了icp最后的匹配效果,在提供的数据集里为了减少outlier,icp_fitness_score参数设的比较严格,直接应用到别的数据集会导致一直reject。
但是这似乎很少有明显很小的fitness产生,几乎都差不很多,如果提高阈值,似乎会产生一些不正常的机器人间回环。是不是在生成scancontext或进行fastgicp这些地方的参数也需要调整?应该如何调整?
这个得看具体点云数据的情况,现在默认fast_gicp对输入点云有0.2的voxelize,可能也可以调整到0.1看下。还有就是输入点云的xyz轴的大小,在load_pc_infer里面,需要针对性修改
为什么其他数据集一直都是![image](https://github.com/MaverickPeter/MR_SLAM/assets/69229972/146fe1ce-d168-409c-a794-d0d9fe47ad1a)
ICP fitness score is larger than threshold, reject the loop.
,像m2dgr,graco这些都试过了,disco和scancontext也都试过了,readme里提供的数据集能够很好地实现回环检测,但是换数据集后fitness一直没有达到阈值,是否有其他的初始设置我没有做?比如frame_id、初始位姿啥的?我只调整了fastlio的相关配置,这一块能够正常输出submap,loopdetection里的num_xxx这些参数也尝试调整过了但是没有效果。请问用其他数据集有哪些要注意的?