LOAM算法（论文+代码）详解（一）—— 引言+特征提取

最新推荐文章于 2024-06-21 17:17:24 发布

Hughes103

最新推荐文章于 2024-06-21 17:17:24 发布

阅读量6.4k

点赞数 6

分类专栏： SLAM 文章标签：计算机视觉 slam c++

本文链接：https://blog.csdn.net/Hughes103/article/details/119304489

版权

本文详细介绍了LOAM（Lidar Odometry and Mapping）算法，这是一种实时激光雷达SLAM方法。主要内容包括雷达里程计的特征提取，包括平滑度计算和特征点分类，如平面点和边缘点的选择。通过对点云数据的预处理，减少数据量，提高配准效率。LOAM算法分为点云注册、雷达里程计和雷达建图三个步骤，为构建三维点云地图提供基础。

摘要由CSDN通过智能技术生成

引言

LOAM: Lidar Odometry and Mapping in Real-time（RSS2014），是常年位于KITTI上前列的激光雷达SLAM算法，作为该领域发表时间较早的论文，启发了后续很多类似的工作。理解LOAM有助于初学者理解激光雷达SLAM的基本原理和整体流程。本系列文章将为各位同学系统梳理LOAM算法论文和代码中涉及的重点和难点。

图1 LOAM在KITTI上的排名

传送门：

论文：www.ri.cmu.edu/pub_files/2014/7/...

原味代码：github.com/laboshinl/loam_velodyne

改进代码：github.com/HKUST-Aerial-Robotics（使用Ceres_Solver库做非线性优化，简化了代码结构）。

论文亮点：

雷达运动畸变的补偿；
特征提取减小了点云配准的数据量；
ICP使用了非线性迭代优化（LM方法），而不是传统的SVD分解。

符号定义

在正式讲解算法之前，首先要搞清楚原文中的两个名词——scan和sweep。由于时间较为久远，原作者使用的激光雷达型号为Hokuyo（北阳） UTM-30LX，是一个2D激光线扫设备，一次只能获取一条的视角范围为 $180^{\circ}$ 间距 $0.25^{\circ}$ 的激光线。作者将其连接到一个旋转电机上，使其可以在竖直方向做 $180^{\circ}/s$ 的旋转，一秒钟可以生成40条扫描线，因此在竖直方向上的分辨率为 $4.5^{\circ}$ 。原文中，scan代指水平方向上的一条扫描线，sweep代指雷达完成一次半球旋转后得到的扫描面。

将第k次扫描sweep记作k， $k\in Z^{+}$ 。第k次扫描内获取的点云数据记为 $\mathcal{P}_{k}$ 。雷达坐标系满足右手坐标系,坐标系原点位于雷达的几何中心，x轴正方向向左，y轴向上，z轴向前，表示为 $\left \{ L \right \}$ 。第k次扫描的雷达观测坐标系表示为 $\left \{ L_{k} \right \}$ ， $\mathcal{P}_{k}$ 中的一个点 $i\in \mathcal{P}_{k}$ ，在 $\left \{ L_{k} \right \}$ 中表示为 $\textbf{X}_{\left ( k,i \right )}^{L}$ 。世界坐标系表示为 $\left \{ W \right \}$ ，与初始位置的观测坐标系 $\left \{ L \right \}$ 重合， $\mathcal{P}_{k}$ 中的一个点 $i\in \mathcal{P}_{k}$ ，在 $\left \{ W_{k} \right \}$