kth-rpl--dufomap/README.md

Note

本文档由 WeHub 基于上游 README 翻译整理，属于社区翻译，非官方中文文档。
English · 原始项目 · 上游 README
原作者、版权与许可证归属以原始项目及本仓库 LICENSE 文件为准。

DUFOMap：高效的动态感知建图（Efficient Dynamic Awareness Mapping）

快速演示：在不同传感器（例如 16、32、64 和 128 线 LiDAR 以及 Livox 系列 mid360）上使用相同参数设置运行，无需针对每种传感器调参。以下展示采集自以下设备的数据：

Leica-RTC360	128-channel LiDAR	Livox-mid360

🚀 2024-11-20：已从 SeFlow 更新 dufomap Python API，立即试用！运行 pip install dufomap 并执行 python main.py --data_dir data/00 即可直接获得清理后的地图。支持 Windows 和 Linux 上的所有 >=Python 3.8 版本。请先将你自己的数据提取为统一格式，并按照此 wiki 页面. 操作

克隆仓库并初始化子模块：

git clone --recursive -b main --single-branch https://github.com/KTH-RPL/dufomap.git


# The easiest way to run DUFOMap:
pip install dufomap
python main.py --data_dir data/00

依赖项

如需编译 C++ 源码版本，请安装以下依赖项：

sudo apt update && sudo apt install gcc-10 g++-10
sudo apt install libtbb-dev liblz4-dev

或者，你也可以通过我们的 Dockerfile 直接构建 Docker 镜像：

docker build -t dufomap .

1. 构建与运行

构建：

cmake -B build -D CMAKE_CXX_COMPILER=g++-10 && cmake --build build

准备数据：可通过以下命令下载 Teaser 数据（KITTI 00：384.4Mb），更多数据详情见数据集章节，或按照自定义数据集章节. 格式化你自己的数据集

wget https://zenodo.org/records/8160051/files/00.zip -p data
unzip data/00.zip -d data

运行：

./build/dufomap_run data/00 assets/config.toml

2. 评估

有关 DUFOMap 的评估及与其他动态物体移除方法的对比，请参考 DynamicMap_Benchmark。

评估章节链接

致谢

感谢香港科技大学 Ramlab 的成员：Bowen Yang、Lu Gan、Mingkai Tang 和 Yingbing Chen，他们帮助收集了额外数据集。

本工作部分由瓦伦堡 AI、自主系统与软件计划（WASP) 资助，资助方包括 Knut and Alice Wallenberg Foundation 以及 WASP NEST PerCorSo。

欢迎探索以下使用 ufomap 的项目（代码链接如下）：

• RA-L'24 DUFOMap, Dynamic Awareness
• RA-L'23 SLICT, SLAM
• RA-L'20 UFOMap, Mapping Framework

引用

若你认为这些工作对你的研究有帮助，请引用我们的论文。

@article{daniel2024dufomap,
  author={Duberg, Daniel and Zhang, Qingwen and Jia, MingKai and Jensfelt, Patric},
  journal={IEEE Robotics and Automation Letters}, 
  title={{DUFOMap}: Efficient Dynamic Awareness Mapping}, 
  year={2024},
  volume={9},
  number={6},
  pages={1-8},
  doi={10.1109/LRA.2024.3387658}
}
@article{duberg2020ufomap,
  author={Duberg, Daniel and Jensfelt, Patric},
  journal={IEEE Robotics and Automation Letters}, 
  title={{UFOMap}: An Efficient Probabilistic 3D Mapping Framework That Embraces the Unknown}, 
  year={2020},
  volume={5},
  number={4},
  pages={6411-6418},
  doi={10.1109/LRA.2020.3013861}
}
@inproceedings{zhang2023benchmark,
  author={Zhang, Qingwen and Duberg, Daniel and Geng, Ruoyu and Jia, Mingkai and Wang, Lujia and Jensfelt, Patric},
  booktitle={IEEE 26th International Conference on Intelligent Transportation Systems (ITSC)}, 
  title={A Dynamic Points Removal Benchmark in Point Cloud Maps}, 
  year={2023},
  pages={608-614},
  doi={10.1109/ITSC57777.2023.10422094}
}