3D激光SLAM，为什么要选LeGo-LOAM？

激光slam中，LOAM(Lidar Odometry and Mapping in Real-time)系列具有举足轻重的地位。下面的表格是近年来LOAM系列算法的汇总。

算法名称	发表名称	作者	备注
LOAM	2014	Ji Zhang	基于激光雷达而搭建的在ROS平台下的SLAM系统
A-LOAM			实现了LOAM开源代码，并做了部分优化
LeGO-LOAM	2018	Tixiao Shan	与IMU是松耦合
LlOM	2019	Haoyang Ye	与IMU是紧耦合
LIO-SAM	2020	Tixiao Shan	LeGO-LOAM升级版，与IMU紧耦合

LeGo-Loam是基于ros系统框架的3D激光slam开源代码。代码简洁，其中大量计算都是手动推导出来，依赖库相对较少，主要依赖gtsam进行后端因子图优化。其中在前端里程计计算中，通过地面特征和线特征分开来计算机器人姿态，减少计算量，提高前端计算效率。其系统框架如下图：

 

 

相对于LOAM算法，LeGo-LAOM能够进行地面优化，同时保证了轻量级，也加入了回环检测模块。

相对于LOAM算法，LeGo-LAOM能够进行地面优化，同时保证了轻量级；也使用了Keyframe概念以及回环检测位姿图优化的方式对后端进行重构。

对于工业领域而言，LeGo-LOAM有非常广泛的应用，尤其是工业机器人领域，LeGo-LOAM一直都是应聘者必须掌握的框架。

对于学术研究而言，LeGo-LOAM是激光SLAM的经典框架，LeGo-LOAM源码简洁清晰，比LOAM算法的代码可读性要高很多。近几年各顶会上的很多SLAM算法设计思想都潜移默化地受LeGo-LOAM的影响，对其的改进思路相较于LOAM也比较多样化。

如何高效学习LeGo-LOAM？

学习SLAM主要需要攻克三大难关：

• 扎实的数学基础
• 对整个SLAM大框架及细节部分理解到一定深度
• 比较高度的编程能力

这三点都绝非易事，需要花很大的功夫，中间也有不少弯路要走。

对于初学者，推荐以下的学习路线：

• 先看一遍十四讲入个门，不用看的太深入，应为这会可能会有很多不明白的地方。
• 查阅相关的硕博论文、综述论文，看看前人的工作部分，再找经典的开源代码过一遍。
• 学习框架：LeGo-LOAM 、LOAM/A-LOAM、Lio-Sam、cartographer等。= 可以尝试做一些实际项目，边做边总结。

做好以上几点基本都差不多了，但是自己学习总是会遇到很多困难。为此，我们与高级科学家弘毅学者一起研发了《深度剖析面向机器人领域的3D激光SLAM技术原理、代码与实战》课程，一方面是带领大家入门基于LeGo-LOAM框架的3D激光SLAM技术，另一方面是带领大家掌握激光SLAM的学习方法。

 

LeGO-LOAM运行效果展示：