关于loam_velodyne的学习记录

最新推荐文章于 2025-11-15 17:03:39 发布
转载 最新推荐文章于 2025-11-15 17:03:39 发布 · 2.4k 阅读 · 2
文章标签：

#loam_velodyne

本文档为LOAM（Laser Odometry and Mapping）激光雷达里程计及建图算法的学习总结，提供了优快云博客及知乎文章的链接作为参考资料，并附上了该算法的源码地址。

刚开始接触此类知识，转载几篇学习博客以作记录：

优快云：https://blog.youkuaiyun.com/nksjc/article/details/76401092

知乎：https://zhuanlan.zhihu.com/c_131391131

该论文的源码地址：https://github.com/laboshinl/loam_velodyne/tree/dev

艾玛2018了
关注
Loam算法详解（配合开源代码aloam）
晓晨的博客
08-07 1万+
参考论文：LOAM: Lidar Odometry and Mapping in Real-time 代码：A-LOAM Ubuntu 18.04 + ROS Melodic + eigen 3.3.4 + PCL 1.8.1 + ceres 2.0 + A-LOAM 配置 LOAM算法是激光slam中一个经典的开源框架，结合qin tong 博士的开源代码a-loam，对其原理及代码实现简要介绍如下： LOAM算法的总体框架如下图所示： 除了左侧的硬件采集数据之外，LOAM算法本身主要包括图中标记的-
[学习SLAM]loam_velodyne保存并查看三维点云地图 2
开源节流
12-09 2019
loam_velodyne的安装与使用1可以参考 https://blog.youkuaiyun.com/KYJL888/article/details/96491725 网上提供ROS wiki http://wiki.ros.org/loam_velodyne上无imu信息的bag百度云链接 链接: https://pan.baidu.com/s/18ISyr4ky2MfTl7TXJD2W-A 提取...
LOAM算法（论文+代码）详解（一）—— 引言+特征提取
Hughes103的博客
08-18 7125
目录 引言 引言 LOAM: Lidar Odometry and Mapping in Real-time（RSS2014），是常年位于KITTI上前列的激光雷达SLAM算法，作为该领域发表时间较早的论文，启发了后续很多类似的工作。理解LOAM有助于初学者理解激光雷达SLAM的基本原理和整体流程。本系列文章将为各位同学系统梳理LOAM算法论文和代码中涉及的重点和难点。 LOAM在KITTI上的排名 传送门： 论文：www.ri.cmu.edu/pub_files/2014/7/...
探索未知领域的利器：LOAM_Velodyne
最新发布
gitblog_00092的博客
11-15 536
在机器人和无人驾驶领域中，定位与地图构建（SLAM）是核心技术之一。今天，我们向您推荐一个强大的开源项目——[LOAM_Velodyne](https://github.com/laboshinl/loam_velodyne)，它基于激光雷达（LiDAR）的光速定位与映射（LOAM）算法，可帮助您的无人设备实现精准导航。 ## 项目介绍 LOAM_Velodyne是一个专门为Velodyne激
对LOAM算法原理和代码的理解
首飞的博客
12-28 1万+
LOAM在KITTI上的排名一直是前两名。 LOAM在KITTI上的排名 原始LOAM代码的地址：https://github.com/cuitaixiang/LOAM_NOTED 作为教学用的A-LOAM代码地址：https://github.com/HKUST-Aerial-Robotics/A-LOAM LOAM_velodyne学习 ...
SLAM算法 -LOAM框架分析(一)
u013721848的博客
03-08 1万+
2 LOAM前端 LOAM的整体思想就是将复杂的SLAM问题分为：1. 高频的运动估计； 2. 低频的环境建图。
一起自学SLAM算法：8.3 LOAM算法
机器人研究猿-优快云
01-26 2571
连载文章，长期更新，欢迎关注：不管是Gmapping还是Cartographer，通常都是采用单线激光雷达作为输入并且只能在室内环境运行。虽然Cartographer支持2D建图和3D建图模式，但是Cartographer采用3D建图模式构建出来的地图格式仍然为2D形式的地图。这里介绍一种用在室外环境的激光SLAM算法，即LOAM算法。该算法利用多线激光雷达，能构建出3D点云地图。LOAM算法是一款非常经典的SLAM算法，曾经霸占KITTI数据集效果榜首很长一段时间。
精选资源
loam_velodyne-master_noted_loam_loam加注释_slam_
10-03
本压缩包文件"loam_velodyne-master_noted_loam_loam加注释_slam_"显然包含了关于LOAM（Lidar Odometry and Mapping，激光雷达里程计与建图）算法的学习资源，特别是针对Velodyne激光雷达的数据处理。下面将详细介绍...
LOAM_velodyne 报错
02-24
### LOAM与Velodyne激光雷达错误解决方案 当遇到LOAM与Velodyne激光雷达相关的报错问题时，通常可以从以下几个方面着手解决问题： #### 1. 版本兼容性检查 确保所使用的Point Cloud Library (PCL)版本与系统环境相...
loam_velodyne ubuntu20.04
03-30
### 安装和配置 LOAM 及 Velodyne 驱动程序 #### 1. ROS 的安装 为了支持 LOAM 和其他 SLAM 系统，在 Ubuntu 20.04 下需先完成 ROS Noetic 的安装。通过以下命令可以实现 ROS 的基础环境搭建： ```bash sudo apt ...
A-loam运行kitti及轨迹保存
weixin_56337147的博客
04-18 7857
1.运行kitti数据集。2.故障：rviz没有图像。把aloam代码中所接收的topic和rosbag发布的topic对应上。3.rqt查看topic情况，rqt_graph。4.保存轨迹修改laserMapping.cpp，在laserOdometryHandler函数中添加保存轨迹代码。
loam 算法个人总结
天下对手教会少林武僧
05-22 1269
loam 是2014年lidar实现的 slam，经典的入门算法，kitti数据集排名始终靠前，代码开源过后来关闭了，但有人模拟出 A-loam、lego-loam论文地址： www.ri.cmu.edu/pub_files/2014/7/Ji_LidarMapping_RSS2014_v8.pdf代码：www.github.com/HKUST-Aerial-Robotics/A-LOAM。
LOAM算法详解
Shilong的博客
08-31 2035
经典激光SLAM算法LOAM
KITTI数据集下载链接
weixin_44003563的博客
04-08 6919
1.图片下载：点击下载 2.点云下载：点击下载 3.标签下载：点击下载 注意：使用迅雷下载速度更快。
从零理解SLAM的LOAM系列算法
具身小站
08-28 1716
方案名称核心特点优势适用场景原始LOAM开创性工作，解耦设计里程碑意义学术研究，历史了解A-LOAM代码重构，依赖优化库易于学习，代码清晰入门学习，快速验证LeGO-LOAM轻量化，地面优化，闭环计算量小，地面车辆鲁棒室外地面机器人LIO-SAM紧耦合IMU，因子图优化精度极高，多传感器融合高性能无人机、自动驾驶F-LOAM无特征提取，高效匹配计算速度快资源受限平台LOAM-Livox专为Livox雷达适配解决固态雷达兼容性问题使用Livox雷达的项目。
LeGO-LOAM算法详解
热门推荐
晓晨的博客
08-16 1万+
LeGO-LOAM算法详解 整体框架 LeGO-LOAM算法的总体框架如下图所示： 图中新增加了绿框中的Segmentation环节，同时对后续的特征提取、Odometry以及Mapping部分均有一定的修改，主要包括： 增加Segmentation操作，把点云投影为距离图像，分离出地面点与非地面点（分割点，segmented point）。 平滑度计算公式不同，原始LOAM中为使用点集中的坐标相减，而LeGO-LOAM中为使用点集中的欧式距离作差。 特征点选取中原始LOAM为按照平滑度的值及已有特征点
LOAM算法核心解析之特征点的提取(一)
long123444的专栏
11-22 5883
LOAM算法核心解析之特征点的提取(一) 本篇文章接好LOAM中的特征点提取算法，以及其特征点的定义方法。 LOAM算法整体的流程与传统的基于特征点的视觉SLAM很相似： 第一步、提取点云中的特征点； 第二步、使用最近邻算法计算匹配点； 第三步、使用梯度下降算法求解当前帧点云姿态。 由于LOAM是基于机械扫描式的3D激光传感器的SLAM算法，所以其特征点提取算法很大程度上也与机械扫描式激光的物理特性相关。 这里我们假设激光的坐标系为： x正–向前，y正–向右, z正–向上，这种坐标系一般是我们比较常用的车辆
SLAM文献之-LOAM-SLAM
qq_36812406的博客
02-27 1125
LOAM（Lidar Odometry and Mapping）是一种基于激光雷达的高效SLAM算法，其核心思想是通过特征提取和分层优化实现实时定位与建图。LOAM通过巧妙的特征提取与分层优化策略，成为激光SLAM的经典算法，为后续研究奠定了重要基础。两个模块交替运行，平衡实时性与精度。
SLAM文献之-LOAM: Lidar Odometry and Mapping in Real-time
qq_36812406的博客
06-14 1811
|| || |将 LiDAR SLAM 拆分为两个异步模块（Odometry + Mapping）提高实时性与鲁棒性。特征点筛选机制：基于曲率挑选边缘与平面点提升匹配鲁棒性和精度，避免对全部点使用 ICP。基于几何残差的快速位姿估计点到直线、点到平面残差优化，效率高于传统点到点 ICP。滑动局部地图管理策略控制内存和计算复杂度，便于大规模运行。去 IMU 化设计（不依赖IMU）仅使用 LiDAR 实现高精度姿态估计，是早期纯 LiDAR-SLAM 成功代表。应用场景推荐方法理由。
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