[学习SLAM]LOAM （Lidar Odometry and Mapping in Real-time）

L-SLAM相关论文

LOAM: Lidar Odometry and Mapping in Real-time, 2014

概述：该论文是Lidar 3D SLAM的经典之作，作者另辟蹊径将复杂的SLAM问题分为：1. 高频的运动估计； 2. 低频的环境建图，巧妙地解决了实时性的难题。该解决方案也长期位居KITTI Odometry评测榜的前3名。

论文笔记：

LOAM 论文原理分析
简述

LOAM源码主要由四个节点构成，分别完成特征点提取，高频低精度odom， 低频高精度odom， 双频odom融合的功能，每个节点以rosnode的形式存在， 也就是说是独立的进程，进程间通过rostopic传递点云， odom等数据。

ScanRegistration节点

根据VLP16的激光扫描模型, 对单帧点云（paper中称为一个Sweep）进行分线束（分为16束）, 每束称为一个Scan， 并记录每个点所属线束和每个点在此帧点云内的相对扫描时间（相对于本帧第一个点）。

针对单个Scan提取特征点, 而相对时间会在laserOdometry中用于运动补偿.所有Scan的特征点,拼到两个点云中(因为是corner和surface两种特征点,所以是两个点云).至此,每帧点云,输出两帧对应的特征点云, 给下一个节点laserOdometry。

laserOdometry节点

实现运动补偿和帧间配准.每帧激光都会参与（所以帧率同VLP16的扫描帧率，10hz）.通过对每一帧激光的配准,可以得到一个精度较差的ODOM,帧与帧配准的初始POSE可以由IMU得到&#x