从LOAM到LIO-SAM

1.LOAM（2014年）

1.LOAM使用点云地图，而Cartographer使用栅格地图。

2.作者提出两种特征点：平面点和边缘点。

3.根据曲率（选择一个点的前后五个点，共11个点）

4.计算点到直线距离和点到平面距离(最近邻的方法选取)

 

5.LM算法优化

 6.建图部分map-to-map进行匹配。(1hz)

 7.里程计是scan-to-scan（10hz）

 8.后端通过求解协方差矩阵的特征值和特征向量确定边缘线和平面。

9.LOAM优缺点。 

 

---

 2.Livox-loam（2019年）

1.提取边缘点和平面点（和LOAM比多了四大原则）

2.多了一个选取边缘点和平面点的方式。 

3.位姿变换。

4. 位姿的迭代估计

5.外点和动态点的过滤

 

---

 3.LeGO-LOAM（2018年）

 1.在LOAM的框架下衍生，主要就是两点提升：轻量级和地面优化。

2.LOAM的缺点

3. 点云分割，分两次进行LM，每次优化3个参量，因而轻量化。

 4.聚类提取特征点

5.大小集合

6.运动估计

 7.LM优化

8.地图构建和全局位姿

9.回环检测

 

 10.不足之处

---

4.LIO-SAM （2020年）

 1.Lego-LOAM的扩展版本，添加了IMU预积分因子和GPS因子

2.预积分因子

 3.雷达里程计因子

 4.GPS因子

5.回环检测因子

 6.总结