Loam，LeGO LOAM的优秀文章以及区别总结

最新推荐文章于 2023-05-03 19:36:33 发布
最新推荐文章于 2023-05-03 19:36:33 发布
阅读量698 收藏 4
点赞数 1
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/qq_39608209/article/details/107197761
版权

LOAM
LOAM细节分析
LOAM论文和程序代码的解读

LeGO LOAM

LeGO LOAM学习
LeGO-LOAM学习
LeGO-LOAM初探：原理，安装和测试

LeGO的优化内容在于：
1.地面点只匹配面点，分割点（上面的点）只匹配角点
2.将分组聚类后达不到30个点的全部剔除
3.同一聚类标签的点才能在里程计中匹配
4.两步LM法可减少35%的计算时间
5.用地面特征点得到的Z轴，roll角，pitch角的约束来求分割点的位姿变换

两者的区别与联系

如有不正确的内容恳请大佬们指正

豌豆豆1998
关注
  • 1
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
无人驾驶学习笔记 - LOAM 算法论文核心关键点总结
学之知之的博客
05-30 3392
目录 1、框架 2、特征点提取 3、点云去畸变 4、帧间匹配 特征关联与损失函数计算 a 线特征 b 面特征 5、运动估计 6、建图 7、姿态融合 8、LOAM 优劣势 9、参考连接 1、框架 loam框架核心是两部分，高频率的里程计和低频率的建图。两种算法处理。里程计通过高频率低数量的点云，进行scan-scan匹配，估算出两帧之间的运动关系，输出结果给mapping算法；建图是1hz的频率将去畸变的点云匹配并对齐到地图上，应用的是scan-map的匹配方式。最后将两.
LeGO-LOAM_ Lightweight and Ground-Optimized Lidar Odometry and Mapping
03-01
这篇文章提出了一个名为LeGO-LOAM的轻量级6自由度的激光SLAM方法. LeGO-LOAM主要分为点云分隔, 特征提取, 里程计和建图四个方面, 在特征提取方面它借鉴了LOAM算法, 并且和其他的激光SLAM方法相比, LeGO-LOAM的亮点是支持闭环检测, 而且作者表示它能够在嵌入式系统上实时地进行位姿估计.
LeGO-LOAM和LOAM的区别与联系
Zlp19970106的博客
09-13 1169
文章目录
LOAM、LEGO-LOAM与LIO-SAM的知识总结
qq_20184333的博客
01-11 5945
LOAM、LEGO-LOAM与LIO-SAM的知识总结
简单总结LEGO-LOAM相对于LOAM的一些改进及不同点
SLAM小土堆
11-05 2755
一. 地面点的提取 1.动机：在LEGO-LOAM的实验数据中，有地面都是草坪的情况。对于这种地面，如果直接用LOAM，那么就会有一些边缘特征点落在草地上（因为草地的参差），这是拉了位姿估计的后腿的，结果会非常不稳定。 2.缺点：LEGO-LOAM中用到的提取方法需要满足雷达水平安装，或者雷达倾斜安装但已知安装角度的前提。如果是手持设备，这个方法就不太可行，因为手持时不能保证雷达和地面一直都是平行的。 3.方法：相邻行的激光点，求取垂直差距和水平面内差距的atan值，小于15度就可以被认为是地面点。这里有一
LeGO-LOAM论文阅读：相比于LOAM差别在哪里？
weixin_45703465的博客
09-01 271
LeGO-LOAM与LOAM的主要差别
LeGO-LOAM批注版
03-23
《LeGO-LOAM批注版》是一款针对激光雷达（LiDAR）定位与建图算法的优化版本，主要基于原始的LeGO-LOAM（Lightweight and Ground Truth-Oriented LOAM）算法。LeGO-LOAM是为了解决传统LOAM（Lidar Odometry and ...
LeGO-LOAM源码
01-18
**LeGO-LOAM（Lightweight and Ground-Optimized Lidar Odometry and Mapping）是一种针对激光雷达（LiDAR）的轻量级、地面优化的定位与建图算法。该算法由Zhang et al.在2018年提出，旨在解决传统LOAM（Lidar ...
lego_loam源码讲解ppt
08-23
乐高LOAM（Laser Odometry and Mapping）是一种基于激光雷达的数据处理算法，用于实现机器人自主定位和构建环境地图。该算法因其高效性和鲁棒性而受到广泛关注。下面将详细解释lego_loam源码的主要结构及其核心流程...
kitti-lego-loam:使用KITTI数据轻松描述运行和评估Lego-LOAM
05-14
用于kitti数据集的LeGO-LOAM 该存储库包含LeGO-LOAM的修改后的代码，可通过kitti数据集运行和评估。 运行代码时，您将以KITTI地面格式获取LeGO-LOAM的轨迹结果，并且可以通过EVO-eval套件使用KITTI地面真实结果直接...
LeGO-LOAM:轻量级地面优化的建图
try_again_later的博客
04-07 6085
LEGO-LOAM 是基于LOAM优化的系统，相比之下，有以下优点： 1）LeGO-LOAM是轻量级的，因为可以在嵌入式系统上实现实时姿态估计和建图。 2）去除失真数据，在地面分离之后，执行点云分割以丢弃可能表示不可靠特征的点。 3）LeGO-LOAM引入地面优化，因为我们引入了两步优化姿势估计。从地面提取的平面特征用于在第一步中获得[tz,θroll,θpitch][t_{z},\theta_{...
LOAM SLAM原理之防止非线性优化解退化
robots的博客
09-22 4945
On Degeneracy of Optimization-based State Estimation Problems概述理解参考链接 概述 LOAM中用于非线性优化的方法，希望能帮助大家，同时供自己以后参考。 理解 对于SLAM而言，视觉传感器需要纹理信息决定特征点，距离传感器需要空间几何结构信息决定特征点，在特征点缺乏时，状态估计方法会进行退化，为了解决这种退化问题，本文提出了一种在线方法。 处理退化的常用方法有: 1）当出现退化时换一种方法;这要求在设计时需要一个备用方法可用 2）在状态估计过程
SC-LEGO-LOAM 扩展以及深度解析
lovely_yoshino的博客
05-28 7485
前言 本作者在16年大学开始接触ROS后，逐步向着机器人建图导航方面扩展，尤其是对激光雷达方向比较感兴趣，目前打算针对近阶段的SC-LEGO-LOAM进行分析讲述。从ScanContext和Lego LOAM两个部分进行分析阐述。一方面也是记录自己的学习成果，另一方面也是帮助他人一起熟悉这篇20年的经典文章。 https://zhuanlan.zhihu.com/p/348281520 LOAM系列发展 LOAM LOAM作为该系列的鼻祖，在前几年kitti数据集中常年霸占榜首，文中的作者所写的代码由于可读
如何运行loam和其衍生算法
selfdiscipl的博客
05-03 853
本文主要介绍了loam和其衍生算法
lego-loam学习笔记
heroacool的专栏
10-30 2707
更新20191205，花了一个月时间，读了一遍lego-loam和loam，发现原文中的转换关系搞不懂，然后借照aloam和lego-loam实现思路，重新复现了一下算法。 综合效果，比论文稍好。loam原始论文学习告一段落，有问题的同学可以留言讨论。 接下来，集中力量攻克一下3D slam 原始的github仓库已经不开源了，但是有别人fork过去的仓库， 别人fork的仓库链接如...
loam框架的注意点，公式推导细节，lego-loam对其的改进及自身不足，
qq_35102059的博客
03-22 2004
流程介绍及注意细节： 总体结构： 1.激光slam框架loam的流程图如下。slam的过程使用帧间匹配作为里程计，但在实际工程应用中，可以与先验地图做匹配实现定位，免去了不必要的建图流程（但又会牵扯出地图更新问题，即long-term slam）。 特征提取部分： 2.loam利用机械式多线激光雷达模型，将点云投影到为透视图，这样在单帧点云中，进行临近搜索和计算的效率会特高很多。 3.投影的方式有两种： 1）可根据点云坐标解算每个点所属的行和列，这样计算量大，对16线雷达（如velodyne
LeGO-LOAM学习
沧海一升的博客
03-11 1万+
前言 在学习了LOAM之后，了解到LeGO-LOAM（面向复杂情况的轻量级优化地面的雷达里程计），进行了一个学习整理。 Github：https://github.com/RobustFieldAutonomyLab/LeGO-LOAM 论文：https://github.com/RobustFieldAutonomyLab/LeGO-LOAM/blob/master/Shan_Englot_...
关于lego-loam的总结（一）
qq_31775031的博客
04-23 6354
最近在测试legoloam的时候，总是会碰到雷达坐标系剧烈漂移的情况，即使现实中雷达静止，在rviz中的显示也漂移的很厉害。建的地图也十分糟糕。 那么雷达的坐标为什么会漂移，雷达的位置信息是如何计算和确定的？在我想要加入imu，试图通过订阅imu话题来取代雷达的位置信息时，我发现全部代码中，IMU的句柄函数只有两个，且未被使用。继续查找，我发现雷达的位置信息 发布被写在了featureAssociation中的PublishOdometry函数中，具体变量为transform数组！ ...
LeGO-LOAM初探：原理，安装和测试
热门推荐
W_Tortoise的博客
01-17 4万+
前言 最近要搞3D激光SLAM，先后测试了Autoware，cartographer，loam和LeGO-LOAM。 今天就带来LeGO-LOAM的使用体验。 Github：https://github.com/RobustFieldAutonomyLab/LeGO-LOAM 论文：https://github.com/RobustFieldAutonomyLab/LeGO-LOAM/blob/m...
lego-loam与loam的区别
最新发布
07-17
LEGO-LOAM和LOAM都是激光雷达SLAM算法，它们的基本思路类似，都是利用激光雷达和IMU数据进行建图和定位。但是，它们的具体实现有些差异： 1. 硬件设备不同。LOAM使用的是全向激光雷达，而LEGO-LOAM使用的是多线激光雷达。 2. 算法实现不同。LEGO-LOAM在LOAM的基础上进行了改进，引入了图优化的方法，能够更好地处理回环检测和位姿优化。此外，LEGO-LOAM对于点云的预处理和特征提取也有所改进。 3. 适用场景不同。由于硬件设备的不同和算法的改进，LEGO-LOAM相比LOAM在室内和室外的定位和建图效果更好，尤其是在复杂环境下的建图精度更高。 因此，虽然LEGO-LOAM和LOAM都是激光雷达SLAM算法，但它们的具体实现和适用场景有所不同。
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