Loam流程分析以及源码解析

最新推荐文章于 2024-12-07 19:34:36 发布
最新推荐文章于 2024-12-07 19:34:36 发布
阅读量1.4k 收藏 19
点赞数 1
分类专栏： 算法 文章标签： 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Limiao_123/article/details/115916764
版权
本文详细分析了Loam算法的四个核心部分：scanRegistration.cpp处理激光点云和IMU数据，提取特征；laserOdometry.cpp计算两帧间的相对运动；laserMapping.cpp实现scan to map匹配，减小累计误差；transformMaintenance.cpp维护连续的位姿变换。通过参考多个资源，深入理解Loam的工作原理和实现细节。
摘要由CSDN通过智能技术生成

前一阵看网课讲解Loam的视频，觉得十分简单而且直观。然而纸上得来终觉浅，最近结合网上前人的解析加以自己的理解，希望能得到新的深一些的理解。写下做一下记录，方便将来回忆复习。

贴上参考的资料：

  1. github上用中文注释的一个代码，十分清晰，配合着其他讲解，理解Loam的源码很有帮助：Loam源码加中文注释
  2. 博客园博主WellP.C的文章Loam以及a-loam解析，主要是a-loam
  3. 知乎密斯特李的专栏文章，将Loam源码的四个node分开解析，清晰明了：Loam解析1
  4. 知乎晓伟Liu的解析，在看mapping部分的时候给我帮助较大Loam解析2
  5. csdn博主Nksjc的文章Loam解析3
  6. Lego-loam解析

感谢前人的讲解。我主要写一下整个流程我的理解：

最低0.47元/天 解锁文章
A-loam代码详解(2) — a-loam源码图文详解
几度春风里的博客
03-31 3096
a-loam源码图文详解
LOAM论文和程序代码的解读
热门推荐
robinvista的专栏
02-19 3万+
目的 　　LOAM是排名第一的状态估计和激光建图算法，本文分析它的特点，目的是了解它到底厉害在什么地方。 1　利用特征点 　　LOAM采用了特征点提取的策略，让点云帧与帧之间的匹配效率更高、准确度也更高。 　　下图中，绿色的点是velodyne 16线激光雷达的原始点云，扫描环境是笔者的卧室，大概就是一个长方体。图中红色的小圆球是提取出来的边缘点，蓝色的是平面点。可见，边缘点基本上位于房间的角落，...
LOAM源码解析——scanRegistration
try_again_later的博客
04-12 1605
入手激光雷达SLAM，从最经典的LOAM源码开始，之后会对秦通在此基础上改进的A-LOAM源码进行观看，应该就会很简单了，第三步是把LEGO-LOAM的源码进行解读。之前对LOAM的论文进行了详细解读。 LOAM的源码主要分为scanRegistration提取特征点、laserOdometry 10HZ估计位姿、laserMapping 1HZ构建三维地图、transforMaintenance...
LOAM源码解析（一）ScanRegistration
jtcap的博客
04-01 1776
一、主函数 功能：申明订阅、发布内容 二、imuHandler() 功能： 接收imu消息； 减去重力影响，求出xyz方向的加速度实际值； 进行坐标轴变换（从RPY — XYZ 变换到 RPY — ZXY） 下面解释如果消除重力加速度的影响(变化方式就按照代码中的来)。 上式表示IMU到世界坐标系旋转矩阵(从下向上看)，其中 由世界坐标系到IMU的变换为，对原来的旋转矩阵求个逆(求逆还是比较简单的，因为旋转矩阵是正交群，逆就等于转置) 那么重力在IMU坐标系下的分量..
A-LOAM算法进行slam建图，并跑自己的bag包或者在线建图，一看就会，一跑就出图。
A1828776499的博客
12-07 863
是一种基于激光雷达的同步定位与建图（SLAM）算法，旨在通过高效的点云处理和优化技术实现精准的机器人定位与环境建图。ALOAM 是对经典的。8.之后进入到src文件夹进行编译,前面问题解决了，到这就一路畅通无阻了。4.安装pcl，不过一般情况下装ros当中就已经存在了。12.想要编译的bag包的话私聊我发给你就行。rosbag play 你的包 -l。1.首先什么是A-LOAM？
LOAM源码解析1一scanRegistration
举个栗子的博客
10-16 756
鉴于工作和学习需要，学习了激光salm算法loam，并阅读了作者的原版论文，现将学习过程中的理解与一些源码剖析记录整理下来，也是对于学习slam的阶段性总结!!!
loam源码解析1 ： scanRegistration（一）
SLAM小学僧
06-16 2272
scanRegistration.cpp解析一、概述二、变量说明三、主函数三、点云回调函数laserCloudHandler LOAM: Lidar Odometry and Mapping in Real-time 论文阅读: https://blog.csdn.net/weixin_44156680/article/details/117876839. loam源码：https://github.com/cuitaixiang/LOAM_NOTED. 一、概述 在阅读完loam的论文之后，开始对loam
loam算法_loam代码解析1
weixin_39994627的博客
12-04 701
作为一名激光slam菜鸟，涉及到的首个开源算法就是loam。之前阅读过代码，时间久了容易记不清，现在记录下来以备随时查阅，也可为入门级菜鸟提供些许参考。本人在阅读源码过程中参考了知乎众多loam解析文章，在此表示感谢。跟知乎上loam相关解析文章一样，本文按照loam代码文件分四部分介绍，各部分解析以求尽量详细，如有理解错误，欢迎指正。本章首先介绍代码的第一部分scanRegistration。从...
LeGo-LOAM 源码解析
17902的博客
09-11 1376
文章目录0、整体框架1、imageProjection —— 点云分割0. main()1. cloudHandler()2. copyPointCloud()3. findStartEndAngle()4. projectPointCloud()5. groundRemoval()6. cloudSegmentation()7. labelComponents()8. publishCloud()9. resetParameters()2、featureAssociation —— 特征提取与匹配0. m
LeGo-LOAM源码篇:源码分析(3)
slamml
11-05 1216
mapOptmization.cpp，主要内容包括回环检测、scan-to-map位姿优化、因子图。
LeGo-LOAM源码篇:源码分析(1)
slamml
07-08 4713
imageProjection.cpp，主要内容包括点云投影(range image)、地面移除、点云分割、特征聚类。
LOAM论文及源码解读
u012255588的博客
03-23 4780
最近学习LOAM论文及其源码, 查询了很多文档,发现源码中很多的细节在论文中并未体现, 有些甚至于论文存在一些差别, 比如LM算法, 罗德里格斯公式的使用等, 很多文章没有解释清楚,最后发现一篇文章有很细致的公式推导, 涉及 1激光扫描机械原理 2激光线束模型的拆解, 3定位中的预测和更新过程 4雅可比矩阵的推导,非线性最小二乘优化流程 等等细节. 今天搬运到这里. https://zhuanla...
loam 框架流程描述
schFallingCloud
11-28 726
loam框架流程介绍
LOAM源码解析3——laserMapping
try_again_later的博客
04-20 1859
SLAM系统前面大多是先估计相邻两帧之间相对位姿估计，接下来开始建图，然后根据建图结果对现有姿态进行优化，最后把当前这特征点填充进地图，且估计当前帧相对于世界坐标系下的位姿。 在扫描周期末尾激光雷达里程计输出畸变矫正过的点云Pk+1^\widehat{P_{k+1}}Pk+1​​，同时还有整个周期内每个点的姿态Tk+1LT_{k+1}^{L}Tk+1L​。雷达建图过程是为了把Pk+1^\wideh...
A-LOAM源码解析
m0_51653236的博客
08-03 3724
声明：本文是笔者在学习SLAM时发现的好文，与诸君分享 转载自：https://www.cnblogs.com/wellp/p/8877990.html 导读 下面是我对LOAM论文的理解以及对A-LOAM的源码阅读（中文注释版的A-LOAM已经push到github，见A-LOAM-NOTED），最后也会手推一下LOAM源码中高斯牛顿法（论文中说的是LM法）求解ICP配准的非线性最小二乘问题，这一部分在A-LOAM代码中用Ceres优化函数库做了简化，CSDN也有篇不错的博文，知乎也有篇很赞的文章，如有问
LOAM 梳理
weixin_45867382的博客
03-01 1918
本篇文章对 LOAM 框架进行宏观的解析，暂不涉及内部具体的实现原理。
A_loam源码解析一
mcoll的博客
06-29 697
a_loam解析一
从零入门激光SLAM（十三）——LeGo-LOAM源码超详细解析1
HUASHUDEYANJING的博客
10-27 5057
首先LEGO-LOAM是在LOAM基础上基于地面优化，并且加入了简易的闭环检测，而LOAM是实时三维激光SLAM的开山鼻祖，使得实时三维重建成为可能，同时基于特征的激光SLAM基本上都是LOAM的衍生算法，思想大同小异。LEGO-LOAM在LOAM的基础上效果有巨大提升，同时代码可读性较高，所以将它作为入门SLAM的第一个算法非常合适。LEGO-LOAM系统框架如下所示其核心思想是将同时定位和映射的复杂问题划分为两个算法，该问题旨在同时优化大量变量。高频低保真的执行里程计。低频高保真执行地图优化。
aLOAM建图源码解析
最新发布
01-12
### aLOAM建图源码解析 #### 概述 aLOAM（Adaptive LiDAR Odometry and Mapping）是一种基于LiDAR的轻量级里程计和建图算法，继承和发展了LeGO-LOAM的思想。该方法通过优化特征提取、匹配以及姿态估计过程来提高...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值