LOAM论文及源码解读

最新推荐文章于 2025-06-14 14:28:31 发布
最新推荐文章于 2025-06-14 14:28:31 发布
阅读量4.8k 收藏 17
点赞数
分类专栏： 技术 文章标签： LOAM SLAM 激光定位 激光雷达

最近学习LOAM论文及其源码, 查询了很多文档,发现源码中很多的细节在论文中并未体现, 有些甚至于论文存在一些差别, 比如LM算法, 罗德里格斯公式的使用等, 很多文章没有解释清楚,最后发现一篇文章有很细致的公式推导, 涉及
1激光扫描机械原理
2激光线束模型的拆解,
3定位中的预测和更新过程
4雅可比矩阵的推导,非线性最小二乘优化流程
等等细节.

今天搬运到这里.
https://zhuanlan.zhihu.com/p/57351961

A-loam代码详解(2) — a-loam源码图文详解
几度春风里的博客
03-31 3446
a-loam源码图文详解
论文解读|激光视觉融合的Ｖ-LOAM
3D视觉工坊
09-05 1802
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达本文转载自「计算机视觉工坊」，该公众号重点在于介绍计算机视觉方向的知识点，主要包括3D算法、2D算法、自动驾驶、光学介绍、算法与编程...
LOAM论文和程序代码的解读
热门推荐
robinvista的专栏
02-19 3万+
目的 　　LOAM是排名第一的状态估计和激光建图算法，本文分析它的特点，目的是了解它到底厉害在什么地方。 1　利用特征点 　　LOAM采用了特征点提取的策略，让点云帧与帧之间的匹配效率更高、准确度也更高。 　　下图中，绿色的点是velodyne 16线激光雷达的原始点云，扫描环境是笔者的卧室，大概就是一个长方体。图中红色的小圆球是提取出来的边缘点，蓝色的是平面点。可见，边缘点基本上位于房间的角落，...
SLAM文献之-LOAM: Lidar Odometry and Mapping in Real-time
最新发布
qq_36812406的博客
06-14 1271
|| || |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。
LOAM源码解析——scanRegistration
try_again_later的博客
04-12 1664
入手激光雷达SLAM，从最经典的LOAM源码开始，之后会对秦通在此基础上改进的A-LOAM源码进行观看，应该就会很简单了，第三步是把LEGO-LOAM的源码进行解读。之前对LOAM的论文进行了详细解读。 LOAM的源码主要分为scanRegistration提取特征点、laserOdometry 10HZ估计位姿、laserMapping 1HZ构建三维地图、transforMaintenance...
Loam流程分析以及源码解析
Limiao_123的博客
04-20 1484
前一阵看网课讲解Loam的视频，觉得十分简单而且直观。然而纸上得来终觉浅，最近结合网上前人的解析加以自己的理解，希望能得到新的深一些的理解。写下做一下记录，方便将来回忆复习。 贴上参考的资料： github上用中文注释的一个代码，十分清晰，配合着其他讲解，理解Loam的源码很有帮助：源码加中文注释 知乎密斯特李的专栏文章，将Loam源码的四个node分开解析，清晰明了：知乎文章1 知乎晓伟Liu的解析，在看mapping部分的时候给我帮助较大知乎文章2 csdn博主Nksjc的文章csdn文章 感谢前人
LOAM源码解析（一）ScanRegistration
jtcap的博客
04-01 1850
一、主函数 功能：申明订阅、发布内容 二、imuHandler() 功能： 接收imu消息； 减去重力影响，求出xyz方向的加速度实际值； 进行坐标轴变换（从RPY — XYZ 变换到 RPY — ZXY） 下面解释如果消除重力加速度的影响(变化方式就按照代码中的来)。 上式表示IMU到世界坐标系旋转矩阵(从下向上看)，其中 由世界坐标系到IMU的变换为，对原来的旋转矩阵求个逆(求逆还是比较简单的，因为旋转矩阵是正交群，逆就等于转置) 那么重力在IMU坐标系下的分量..
LOAM论文介绍与A-LOAM代码简介
qq_29462849的博客
09-24 1663
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 an...
A-LOAM源码解读
自动驾驶行业学习、交流
10-08 3141
文件目录代码1、kittiHelper.cpp2、scanRegistration.cpp3、laserOdometry.cpp4、laserMapping.cpp5、lidarFactor.cpp参考 代码 1、kittiHelper.cpp /* * @Author: your name * @Date: 2020-09-18 09:28:16 * @LastEditTime: 2020-10-05 21:29:26 * @LastEditors: Please set LastEditors
LeGo-LOAM 源码解析
17902的博客
09-11 1579
文章目录0、整体框架1、imageProjection —— 点云分割0. main()1. cloudHandler()2. copyPointCloud()3. findStartEndAngle()4. projectPointCloud()5. groundRemoval()6. cloudSegmentation()7. labelComponents()8. publishCloud()9. resetParameters()2、featureAssociation —— 特征提取与匹配0. m
LOAM源码解析3——laserMapping
try_again_later的博客
04-20 1915
SLAM系统前面大多是先估计相邻两帧之间相对位姿估计，接下来开始建图，然后根据建图结果对现有姿态进行优化，最后把当前这特征点填充进地图，且估计当前帧相对于世界坐标系下的位姿。 在扫描周期末尾激光雷达里程计输出畸变矫正过的点云Pk+1^\widehat{P_{k+1}}Pk+1​​，同时还有整个周期内每个点的姿态Tk+1LT_{k+1}^{L}Tk+1L​。雷达建图过程是为了把Pk+1^\wideh...
A-LOAM源码解析
m0_51653236的博客
08-03 3852
声明：本文是笔者在学习SLAM时发现的好文，与诸君分享 转载自：https://www.cnblogs.com/wellp/p/8877990.html 导读 下面是我对LOAM论文的理解以及对A-LOAM的源码阅读（中文注释版的A-LOAM已经push到github，见A-LOAM-NOTED），最后也会手推一下LOAM源码中高斯牛顿法（论文中说的是LM法）求解ICP配准的非线性最小二乘问题，这一部分在A-LOAM代码中用Ceres优化函数库做了简化，优快云也有篇不错的博文，知乎也有篇很赞的文章，如有问
loam源码解析1 ： scanRegistration（一）
SLAM小学僧
06-16 2375
scanRegistration.cpp解析一、概述二、变量说明三、主函数三、点云回调函数laserCloudHandler LOAM: Lidar Odometry and Mapping in Real-time 论文阅读: https://blog.youkuaiyun.com/weixin_44156680/article/details/117876839. loam源码：https://github.com/cuitaixiang/LOAM_NOTED. 一、概述 在阅读完loam的论文之后，开始对loam
LOAM源码解析1一scanRegistration
举个栗子的博客
10-16 811
鉴于工作和学习需要，学习了激光salm算法loam，并阅读了作者的原版论文，现将学习过程中的理解与一些源码剖析记录整理下来，也是对于学习slam的阶段性总结!!!
LOAM论文精读
avenger_fang的博客
01-28 3001
《Low-drift and real-time lidar odometry and mapping》 概要 论文提出了一种使用3D激光雷达在移动中实时实现低漂移6-DOF里程计和建图的方法。这个问题很困难，因为激光距离测量是在不同的时间接收到的，而且运动估计的误差(特别是没有外部参考，如GPS)会导致结果点云的配准错误。实现这种方法的关键思想是分级策略，使用一种算法在高频但低保真度下执行里程计来估计激光雷达的速度。虽然不一定必须要IMU，但如果IMU可用，它可以提供一个运动先验和减轻剧烈的，高频
LOAM论文解读
weixin_47658743的博客
10-10 869
LOAM论文解读概述 概述 激光雷达在走动的时候每列点云都具有不同地被扫描位置，因此会带来误差。LOAM通过估计雷达的速度来修正了雷达运动导致的帧间扭曲。 整体算法分为两部分
从零入门激光SLAM（十三）——LeGo-LOAM源码超详细解析1
HUASHUDEYANJING的博客
10-27 6863
首先LEGO-LOAM是在LOAM基础上基于地面优化，并且加入了简易的闭环检测，而LOAM是实时三维激光SLAM的开山鼻祖，使得实时三维重建成为可能，同时基于特征的激光SLAM基本上都是LOAM的衍生算法，思想大同小异。LEGO-LOAM在LOAM的基础上效果有巨大提升，同时代码可读性较高，所以将它作为入门SLAM的第一个算法非常合适。LEGO-LOAM系统框架如下所示其核心思想是将同时定位和映射的复杂问题划分为两个算法，该问题旨在同时优化大量变量。高频低保真的执行里程计。低频高保真执行地图优化。
LOAM 代码解读
weixin_68063596的博客
04-26 563
试想一下，你在得到第一帧点云时你的lidar就扫到了数万个点，此时Lidar的位置我们把它作为（0,0,0），在不考虑测量噪声的情况下这数万个点都是相对精确的，我们把这数万个点所构成的环境作为此时的地图。而后Lidar运动了一小段，我们通过Lidar里程计的方法估算了它的相对运动，于是就可以将此时的Lidar位姿及此时的点按照我们估计的相对运动情况，转换到上一时刻（建立地图时的坐标系）的坐标系下。与特征线类似，先找最近点j，在j周围找l，在j周围找m，将（j，l，m）称为点i在t时刻点云中的对应。
评论 1
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