LOAM论文介绍与A-LOAM代码简介

点击上方“计算机视觉工坊”，选择“星标”

干货第一时间送达

一、前言

LOAM[1]是Ji Zhang于2014年提出的使用激光雷达完成定位与三维建图的算法，即Lidar Odometry and Mapping。之后许多激光SLAM算法借鉴了LOAM中的一些思想，可以说学习LOAM对学习3D激光SLAM很有帮助。本文对LOAM算法，以及简化版的开源代码A-LOAM进行简单介绍。

二、LOAM算法

2.1 系统整体架构

LOAM主要包含两个模块，一个是Lidar Odometry，即使用激光雷达做里程计计算两次扫描之间的位姿变换；另一个是Lidar Mapping，利用多次扫描的结果构建地图，细化位姿轨迹。由于Mapping部分计算量较大，所以计算频率较低（1Hz），由Mapping校准细化Odometry过程中计算出来的轨迹。

2.2 Lidar Odometry部分

Lidar Odometry是通过Lidar的两次扫描匹配，计算这两次扫描之间Lidar的位姿变换，从而用作里程计Odometry。既然提到了两次扫描的匹配，自然而然想到了经典的ICP算法。然而LOAM并没有采用全部的激光点进行匹配，而是筛选出了两类特征点，分别是角点和平面点。

所谓角点，是当前激光扫描线束上曲率较大的点；而平面点，即曲率较小的点。在匹配时，首先提取当前扫描中的角点和平面点，对于角点，可以认为是物理世界中直线元素的采样，所以计算到上一次扫描中对应直线的距离；而对于平面点，认为是物理世界平面元素的采样，所以计算到上一次扫描中对应平面的距离。通过不断优化，使距离最小，从而得到最优的位姿变换参数。

2.2.1 角点到直线距离的计算

计算角点到对应直线距离时，需要确定对应直线的方程，才能够计算距离。作者认为，可以有如下假设：角点是雷达某个线束与物理世界两个平面夹角相交时的采样，那么这个线束相邻的雷达扫描线束也会与这个平面夹角相交，所以这个平面夹角的直线可以用前后两次扫描的角点进行标识。