3D激光SLAM,为什么要选LeGo-LOAM?

描述

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:

 

SLAM

 

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:

 

SLAM

   

SLAM

   

SLAM

 

 


打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分