代码和数据网盘链接
链接: https://pan.baidu.com/s/11e1ICOxjYAZxdM4Gx0zlJg 提取码: inp1
--来自百度网盘超级会员v4的分享
若在我给出的代码之上做了一些优化调整，希望能分享出来放在博客评论里，大家共同学习进步！
注意再运行此代码时anaconda和ros都应该已经安装好了；并且不会冲突(两者冲突比较常见自己当时调的比较麻烦)解决冲突的办法网上不少
Ubuntu18.04中 Anaconda 与 ROS 共存：python版本冲突问题的解决办法（简单几步即可解决）_莫等闲996的博客-CSDN博客
本文首先用了一种非常简单粗暴的方法生成语义地图；先看看效果。
[En]
First of all, this paper uses a very simple and rough method to generate semantic maps; first look at the results.
之后逐渐改成了运行bag实时构建语义地图；这似乎也只能叫语义地图构建；不能叫语义slam因为语义信息并没有运行到前端匹配以及后段优化部分；
正确的思路应是语义信息可以帮助前端匹配部分添加一个约束帮助特征点的匹配增加系统的鲁棒性；这样在一些缺少文理的地形；即能利用相机能感知周围纹理的优势又能利用激光雷达感知距离的优势；后期逐渐完善
[En]
The correct idea should be that semantic information can help the front-end matching part to add a constraint to help the matching of feature points to increase the robustness of the system, so that in some terrain that is lack of culture and science; that is, it can make use of the advantage that the camera can sense the surrounding texture and the advantage of lidar sensing distance, and gradually improve it in the later stage.
主要用到的两个github链接(感谢大佬)
融合相机的aloam