LOAM系列资料整理

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2.9k 收藏 60
点赞数 4
CC 4.0 BY-SA版权
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.youkuaiyun.com/weixin_46363611/article/details/108869992
这篇博客整理了LOAM（LiDAR Odometry and Mapping）算法及其相关变体，包括LOAM、VLOAM、LVIOM、LeGO-LOAM、LIO-Mapping和LIO-SAM等，详细介绍了每种算法的核心思想和开源实现，是激光SLAM领域的知识汇总。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

LOAM（LiDAR Odometry and Mapping）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。

之后的许多激光SLAM算法都借鉴了LOAM中的一些思路，在此进行一些资料汇总。

 

论文 雷达 视觉 惯导 开源代码
LOAM2014 Y N N Y
LOAM-livox Y，小视角 N N Y
VLOAM2015 Y Y N N
LVIOM2018 Y Y Y N
LeGO-LOAM2018 Y N N Y
LIO-Mapping2019 Y N Y Y
LIO-SAM2020 Y N Y Y

Y for yes and N for no。

 

LOAM

最低0.47元/天 解锁文章

200万优质内容无限畅学
Zirong.
关注
【地图模块算法】三维全局地图的开源方案及对比--NDT、LOAM、LIO-SAM、ALOAM、FLOAM、Lego_loam、SC-Lego-LOAM
qq_35635374的博客
10-27 4148
系列文章目录 提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加 TODO:写完再整理 文章目录系列文章目录前言一、使用NDT构建点云地图及定位的方法二、LOAM三、LIO-SAM四、ALOAM五、FLOAM六、Lego_loam七、SC-Lego-LOAM八、V-LOAM总结--3D的SLAM方案对比参考资料 前言 认知有限，望大家多多包涵，有什么问题也希望能够与大家多交流，共同成长！ 本文先对**三维全局地图的开源方案及对比–NDT、LOAM、LIO-SAM、ALOAM、FLOAM
大盘点！22项开源NeRF SLAM顶会方案整理！（下）
3D视觉工坊
11-14 546
作者：泡椒味的口香糖 | 来源：计算机视觉工坊添加微信：dddvisiona，备注：SLAM，拉你入群。文末附行业细分群。大盘点！22项开源NeRF、SLAM顶会方案整理！（上）大盘点！22项开源NeRF SLAM顶会方案整理！（中）0. 笔者个人体会上两篇文章我们介绍了仅优化NeRF、仅优化位姿、位姿和NeRF联合优化的NeRF SLAM相关工作。本文我们将介绍物体级NeRF SLAM和雷达N...
loam算法_LOAM核心算法解析之特征点匹配以及距离计算(二)
weixin_39617405的博客
12-04 2158
LOAM核心算法解析之特征点匹配以及距离计算(二)传统的ICP算法是直接计算点-点之间的距离，进行匹配算法。当前因为激光的点的稀疏性相邻两帧的点云很多程度上不同扫描但相同的位置，只能近似认为是相近位置。所以这里LOAM的匹配没有使用点-点匹配算法，而是使用点-线、点-面的特征匹配算法。下面详细介绍LOAM中的点云匹配算法，以及其loss计算方法。LOAM中的协方差采用如下公式中的计算方法...
LOAM系列——ISCLOAM配置、编译、问题解决及VLP16测试效果（完结版）
曾经也曾立志
11-23 1万+
ISCLOAM配置、安装、问题解决及VLP16测试效果
SLAM文献之-LOAM: Lidar Odometry and Mapping in Real-time
最新发布
qq_36812406的博客
06-14 1230
|| || |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。
CMU-LOAM系列论文研读(二)TARE: A Hierarchical Framework for Efficiently Exploring Complex 3D Environments
weixin_43827285的博客
07-13 744
主页我们提出一种在复杂的三维环境中自主探索的方法，该方法取得了比当前的技术水平更快的探索效果。本方法使用层次结构框架——一个层次维护稠密数据并计算出局部规划范围内的详细路径，而另一层级则维护稀疏的数据并计算全局尺度上的粗糙路径。这样的框架是基于如下的观察–在靠近机器人的地方，细节处理是最有效的，并通过权衡远距离范围的细节来提高计算速度。该方法优化了整体探索问题中的路径长度，并产生动力学上可行灵活的局部路径。在实验中，我们的系统在无人机和地面车平台上自主探索高难度的室内和室外环境复杂程度。
LOAM 系列(1): A-LOAM 安装以及概述
weixin_40072161的博客
10-25 4557
一、github GitHub - HKUST-Aerial-Robotics/A-LOAM: Advanced implementation of LOAM 二、安装依赖 1. ROS Ubuntu 64-bit 16.04 ROS Kinetic 比较常规，就不赘述了 2.Ceres Solver Installation — Ceres Solver 安装版本： 3. PCL sudo apt install libpcl-dev 三、编译 1. 下载代码至 catkin..
【LOAM系列】二：LIO-Mapping论文笔记
Jeet173的博客
06-09 902
LIO-Mapping（LIOM）论文学习笔记
LOAM源代码分析附公式推导之MultiScanRegistration
robots的博客
10-11 3655
LOAM源代码分析附公式推导概述前言准备工作激光雷达 概述 整理一下LOAM中对激光点云数据、IMU数据的处理以及相关的公式推导，希望能帮助大家，同时供自己以后复习参考。由于相关的东西较多，可能会有疏漏，并且由于时间有限，精力有限，此博客长期更新，欢迎各位小伙伴批评指正。 前言 LOAM参考源代码仓库github地址为LOAM 源代码链接具体配置可以参照博客LOAM SLAM安装与配置 关于LOAM原始论文的解读可以参考LOAM SLAM之论文原理解读， 相关链接LOAM SLAM原理之防止非线性优化解退化
代码实战 | 用LeGO-LOAM实现BFS点云聚类和噪点剔除
计算机视觉life
11-19 1849
点击上方“计算机视觉life”，选择“星标”快速获得最新干货作者介绍：Zach，移动机器人从业者，热爱移动机器人行业，立志于科技助力美好生活。他也是我们课程学员：基于LiDAR的多传感器融合SLAM：LOAM、LeGO-LOAM、LIO-SAMLeGO-LOAM的软件框架分为五个部分：分割聚类：这部分主要操作是分离出地面点云；同时，对剩下的点云进行聚类，剔除噪声(数量较少的点云簇，被标记为噪声)；特征提取：对分割后的点云(排除地面点云部分)进行边缘点和面点特征提取；Lidar里程计：在连续帧之间(边缘点和面
loam算法_干货系列：缩短算法开发周期，Livox LOAM 让好产品更好用
weixin_39829166的博客
11-27 504
年初，Livox 推出了适用于自动驾驶的重磅产品——浩界 Horizon 激光雷达，售价仅需￥6499，大幅降低高性能激光雷达的使用门槛。自发布以来，各行各业客户纷纷采购、试用。浩界激光雷达 0.1 秒内可以输出的点数约为 24000，在 81.7° × 25.1° 的 FOV 范围内，足以获取丰富的三维信息，可以通过点云的帧间匹配实现激光雷达的位姿估计，实现激光里程计、ego-motion、三维...
[笔记]ICP算法（迭代最近点）——LOAM系列代码前序
Kamfai_Row的博客
06-22 2877
ICP算法（迭代最近点）——LOAM系列代码前序ICP(迭代最近点）算法一、原理1、数学描述2、SVD求解R\boldsymbol RR、t\boldsymbol tt方法3、非线性优化方法求解R\boldsymbol RR、t\boldsymbol tt（TODO）二、ICP算法分析1、ICP算法优点2、ICP算法的不足之处3、ICP算法改进方面按特征采样的最近邻点（LOAM用此方法）三、例程MATLAB2018例程python例程C++例程 最近在学习LOAM一系列的算法，看到激光SLAM前端匹
学习笔记之——激光雷达SLAM（LOAM系列的复现与学习）
热门推荐
gwpscut的博客
08-17 3万+
For cooperaive inquiries, please visit the website：guanweipeng.com
【LOAM系列算法原理对比与分析】
weixin_47429781的博客
05-23 1235
本文对比了LOAM、A-LOAM、LeGO-LOAM和LIO-SAM四种SLAM算法在特征提取、位姿估计和优化框架等方面的原理差异。LOAM通过双特征分类和双线程架构实现实时性与精度的平衡；A-LOAM在LOAM基础上进行了工程化优化；LeGO-LOAM引入地面分割和轻量化设计，适用于资源受限场景；LIO-SAM则采用紧耦合多传感器因子图优化，提升了复杂环境下的鲁棒定位能力。这些算法的演进反映了SLAM技术从单一传感器到多传感器融合、从独立处理到紧耦合优化、从纯几何方法到语义辅助的发展趋势。理解这些差异有助
激光SLAM技术总结（4）V-LOAM算法测试（ KITTI 数据集）上
Techblog of HaoWANG
05-26 997
The Point Cloud Library (PCL) is a standalone, large scale, open project for 2D/3D image and point cloud processing. PCL is released under the terms of theBSD license, and thus free for commercial and research use. Whether you’ve just discovered PCL or y
LOAM算法详解
Shilong的博客
08-31 1936
经典激光SLAM算法LOAM
ALOAM mapping
qq_42700518的博客
04-02 2817
首先将odometryBuf中接受到的里程计数据保存为q_wodom_curr、t_wodom_curr // 获取里程计的数据放置与 q_wodom_curr t_wodom_curr q_wodom_curr.x() = odometryBuf.front()->pose.pose.orientation.x; q_wodom_curr.y() = odometryBuf.front()...
论文笔记_S2D.59_2015-ICRA_V-LOAM_低漂移、鲁棒和快速的视觉-激光 里程计和建图
惊鸿一博
12-13 823
目录 基本情况 摘要 引用 II 相关工作 III 坐标系和规定 IV 系统总结 V 视觉里程计 VI 激光雷达里程计 VII实验 VIII 总结 参考 基本情况 出处：Zhang J, Singh S. Visual-lidar odometry and mapping: Low-drift, robust, and fast[C]//2015 IEEE International Conference on Robotics and Automation (ICRA). IEE
LeGO-LOAM 源码阅读笔记(featureAssociation.cpp)
wykxwyc的博客
08-03 7415
LeGO-LOAM是一种在LOAM之上进行改进的激光雷达建图方法，建图效果比LOAM要好，但是建图较为稀疏，计算量也更小了。 本文原地址：wykxwyc的博客 github注释后LeGO-LOAM源码：LeGO-LOAM_NOTED 关于代码的详细理解，建议阅读： 1.地图优化代码理解 2.图像重投影代码理解 3.特征关联代码理解 4.LeGO-LOAM中的数学公式推导 以上博客会随时更新，如果...
LOAM
03-09
### LOAM激光雷达里程计与建图库介绍 LOAM (Laser Odometry and Mapping) 是一种用于机器人和自动驾驶车辆的高效、鲁棒的激光雷达里程计与建图系统。该系统能够利用三维激光扫描仪的数据来实现高精度的姿态估计和地图创建。 #### 主要特点 - **高效的特征提取**：LOAM采用边缘和平面两种类型的几何特征来进行匹配，从而提高了姿态估计的速度和准确性[^1]。 - **两步优化过程**：首先进行快速粗略配准以获得初始猜测；接着通过精细调整进一步提高精度。这种分阶段的方法使得即使在动态环境中也能保持良好的性能表现[^2]。 - **轻量级设计**：相比其他复杂的SLAM框架，LOAM具有较低计算资源需求，在嵌入式平台上也可以流畅运行[^3]。 #### 使用方法 为了安装并使用LOAM及其改进版本LeGO-LOAM, 需按照如下步骤操作： 1. 安装依赖项GTSAM（Georgia Tech Smoothing And Mapping Library），这是一个开源C++模板库，专门针对因子图优化问题而开发。可以通过下载官方发布的压缩包文件完成编译安装工作: ```bash wget -O ~/Downloads/gtsam.zip https://github.com/borglab/gtsam/archive/4.0.0-alpha2.zip cd ~/Downloads/ unzip gtsam.zip -d . cd gtsam-4.0.0-alpha2/ mkdir build && cd build cmake .. sudo make install ``` 2. 获取ROS下的LOAM或者其变体源码仓库，并依照README文档中的指示配置环境变量以及编译项目: 对于LeGO-LOAM来说，则可以直接克隆GitHub上的公开存储库开始尝试: ```bash git clone --recursive https://github.com/RobustFieldAutonomyLab/LeGO-LOAM.git cd LeGO-LOAM/LidarSlam catkin_make -j$(nproc) source devel/setup.bash roslaunch lego_loam run.launch ```
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