【SLAM】LIO-SAM解析——流程图(1)

更新于2022-2-22
过了好几个月，最近重温了一下这个代码，打算开写代码解析了，目录如下：

【SLAM】LIO-SAM解析——流程图(1)

【SLAM】LIO-SAM解析——数据预处理imageProjection(2)

【SLAM】LIO-SAM解析——特征提取featureTrack(3)

【SLAM】LIO-SAM解析——IMU预计分IMU-Preintegration(4)

【SLAM】LIO-SAM解析——后端优化MapOptimization(5)

【SLAM】LIO-SAM解析——里程计融合transformFusion(6)

【SLAM】LVI-SAM解析——综述

---

LIO-SAM是2020年新出的激光SLAM，代码量不大，结构统一清晰，是我看的最快的一篇SLAM代码，效果在原数据集也不错。有一个不错的注释版代码写的不错，https://github.com/smilefacehh/LIO-SAM-DetailedNote。

注释中，mapOptimization中位姿初始估计的解释和我的理解不太一样，放流程图了。

LIO-SAM相对于LOAM等前作的优点是什么？

1. LOAM的数据保存在全局体素图中，通常很难执行回环检测并结合其他绝对测量（例如GPS）进行位姿校正。
2. scan是和局部地图进行匹配，而不是全局地图，这样即可加速运行。
3. 一个紧耦合的激光雷达惯性里程计框架，构建在因子图之上，适用于多传感器融合和全局优化。