系列文章目录

提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加
TODO:写完再整理

文章目录

系列文章目录
前言
一、使用NDT构建点云地图及定位的方法
二、LOAM
三、LIO-SAM
四、ALOAM
五、FLOAM
六、Lego_loam
七、SC-Lego-LOAM
八、V-LOAM
总结--3D的SLAM方案对比
参考资料

前言

认知有限，望大家多多包涵，有什么问题也希望能够与大家多交流，共同成长！

本文先对**三维全局地图的开源方案及对比–NDT、LOAM、LIO-SAM、ALOAM、FLOAM、Lego_loam、SC-Lego-LOAM…**做个简单的介绍，具体内容后续再更，其他模块可以参考去我其他文章

提示：以下是本篇文章正文内容

一、使用NDT构建点云地图及定位的方法

（1）开源自动驾驶系统Autoware提供的Mapping模块

（2）论文与数学推导的理论
https://blog.csdn.net/AdamShan/article/details/79230612
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.10.7059&rep=rep1&type=pdf

（3）Autoware的建图教程
https://blog.csdn.net/Travis_X/article/details/105455195

（4）缺点
退化场景中无法使用；
不能在地图中去除动态障碍物产生的噪声；
重定位需要给定初始值，【防盗标记–盒子君hzj】最好使用IMU，NDT对角度比较敏感；
无回环检测，大环境建图会发生漂移。
.
.

二、LOAM

（1）LOAM算法是一种的激光匹配slam方法，没有回环检测

（2）论文与数学推导的理论
https://zhuanlan.zhihu.com/p/111388877
https://www.ri.cmu.edu/pub_files/2014/7/Ji_LidarMapping_RSS2014_v8.pdf

（3）优点
新颖的特征提取方式（边缘点和平面点）
运动补偿（时间戳）
融合了scan-to-scan（odometry）和map-to-map（mapping）的思想

（4）缺点
没有后端优化，【防盗标记–盒子君hzj】大环境建图会产生漂移
不能处理大规模的旋转变换（旋转向量的求解）
.
.

三、LIO-SAM

LIO-SAM是基于因子图构建的激光雷达惯性里程计，可以将大量的相对测量值、绝对测量值、回环等多种不同数据作为因子融入激光雷达惯性里程计系统中。IMU预积分的运动估计被用来去处激光雷达运动畸变，并为激光雷达惯性里程计的优化提供初值。【防盗标记–盒子君hzj】获得的激光惯性里程计的结果反过来用作估计IMU的偏差。为了确保实时性与高性能，进行位姿优化时边缘化掉了一些旧的激光雷达数据，而不是将激光雷达点云与整个地图进行匹配。在局部范围而不是全局范围进行扫描匹配可以有效提高系统的实时性，【防盗标记–盒子君hzj】选择性地引入关键帧和高效的滑动窗口也能提高实时性能

（1）论文
LIO-SAM: Tightly-coupled Lidar Inertial Odometry via Smoothing and Mapping
https://github.com/TixiaoShan/LIO-SAM/blob/master/config/doc/paper.pdf

（2）代码
https://github.com/TixiaoShan/LIO-SAM
https://blog.csdn.net/Travis_X/article/details/113103067

（3）最大特点
分两步完成，先通过点云特征计算出相对位姿，再利用相对位姿、IMU预积分和GPS做融合。相比于直接一步做紧耦合，大大提高了效率，而且实测性能也很优异
.
.

四、ALOAM

LOAM的一个简化版本，没有IMU的信息，是入手激光SLAM非常简单的程序，初学者必备。其将原版LOAM代码中手写的求解旋转矩阵，欧拉角【防盗标记–盒子君hzj】，推到LM及雅克比矩阵，改成了运用Eigen库和ceres库进行求解优化，极大的简化了代码的复杂性，非常适合初学者进行学习

项目源码
https://github.com/HKUST-Aerial-Robotics/A-LOAM

五、FLOAM

FLOAM是基于LOAM和ALOAM的修改版，其主要的原理和流程没有变化。首先是点云预处理、然后提取边缘和平面特征，分别进行匹配估计位姿，【防盗标记–盒子君hzj】最后位姿融合。计算时间缩小3倍，精度也有一定提高

项目源码
https://github.com/wh200720041/floam

.
.

六、Lego_loam

（1）LeGO-LOAM相对于LOAM的提升主要在于轻量级和地面优化

（2）论文与数学推导的理论
https://zhuanlan.zhihu.com/p/115986186
https://ieeexplore.ieee.org/abstract/document/8594299
https://blog.csdn.net/Travis_X/article/details/89374013

（3）算法分为四个模块

（4）优点
1）在地面点丰富时比较稳定
2）轻量级

（5）缺点
1）在地面点缺乏时很容易崩溃
2）得到的地图比较稀疏

七、SC-Lego-LOAM

SC-Lego-LOAM是在Lego_LOAM的基础上新增了基于Scan_context的回环检测，其他流程完全一致，总体看来，scan context还是有一定的作用，【防盗标记–盒子君hzj】主要是在回环检测的速度上有些许提升

项目源码
https://github.com/irapkaist/SC-LeGO-LOAM

.
.

八、V-LOAM

总结–3D的SLAM方案对比

参考资料

https://blog.csdn.net/Travis_X/article/details/114600593

【全局地图mapping】三维全局地图的开源方案及对比--NDT、LOAM、LIO-SAM、ALOAM、FLOAM、Lego_loam、SC-Lego-LOAM.....相关推荐

【全局地图mapping】二维全局地图的开源方案及对比--gmapping、hector、karto、cartographer
系列文章目录提示:这里可以添加系列文章的所有文章的目录,目录需要自己手动添加 TODO:写完再整理文章目录系列文章目录前言一.gmapping算法建图[基于Raoo-Blackwellize ...
凯立德3d实景地图_360全景地图、3D全景地图、三维实景地图哪个好？
360全景地图.3D全景地图.三维实景地图哪个好?对于小迪来说,它们都统称为全景地图. 其实,360全景地图对于很多人来说其实并不算陌生,现在很多导航应用都上线了360全景地图功能.无论是国外的谷歌, ...
采用Cartographer、LIO-SAM构建三维点云地图，采用Octomap构建八叉树地图（三维栅格地图）
采用Cartographer.LIO-SAM构建三维点云地图,采用Octomap构建八叉树地图(三维栅格地图) 采用Cartographer构建三维点云地图采用的数据集是安装Cartographer ...
监控需求以及开源方案的对比
文章目录监控需求以及开源方案的对比监控需求来源可观测性三大支柱指标监控日志链路追踪业界方案横评 Zabbix Zabbix优点 Zabbix缺点 Open-Falcon Open-Fal ...
立体栅格地图_三维栅格地图构建之二：视差图及点云图 | 学步园
在上一步骤--双目校正的基础上可以很方便的获取视差图.视差即空间中同一点在左右目图像上的水平位置差. 自己凭感觉(不知道对错的)总结了一下,主要分为两大类:基于兴趣点的,不基于兴趣点的. 基于兴趣点的 ...
立体栅格地图_三维栅格地图构建之一：双目系统 | 学步园
前言:对一般物体(刚体.文物.建筑物)的三维重建通过一个摄像机或几个摄像机(不需要平行)可完成.但在机器人技术中,一般都应用双目平行视觉或三目视觉,目前三目系统应用的比较多.三目即在双目基础上在上方再 ...
开源方案搭建可离线的精美矢量切片地图服务-1.开篇（附成果演示地址）
系列文章目录开源方案搭建可离线的精美矢量切片地图服务-1.开篇(附成果演示地址) 开源方案搭建可离线的精美矢量切片地图服务-2.PostGIS+GeoServer矢量切片开源方案搭建可离线的精美矢 ...
开源方案搭建可离线的精美矢量切片地图服务-3.Mapbox个性化地图定制入门
系列文章目录开源方案搭建可离线的精美矢量切片地图服务-1.开篇(附成果演示地址) 开源方案搭建可离线的精美矢量切片地图服务-2.PostGIS+GeoServer矢量切片开源方案搭建可离线的精美矢 ...
开源方案搭建可离线的精美矢量切片地图服务-5.Mapbox离线项目实现
系列文章目录开源方案搭建可离线的精美矢量切片地图服务-1.开篇(附成果演示地址) 开源方案搭建可离线的精美矢量切片地图服务-2.PostGIS+GeoServer矢量切片开源方案搭建可离线的精美矢 ...

【全局地图mapping】三维全局地图的开源方案及对比--NDT、LOAM、LIO-SAM、ALOAM、FLOAM、Lego_loam、SC-Lego-LOAM.....