LeGO-LOAM项目介绍

LeGO-LOAM（Lightweight and Ground-Optimized Lidar Odometry and Mapping）是一个针对地面移动机器人设计的轻量级激光雷达同步定位与建图（SLAM）系统。它基于LOAM（Lidar Odometry and Mapping）框架进行优化和改进，旨在解决资源受限平台上的实时定位与建图问题，尤其适用于复杂地形环境。

核心特点

1. 轻量级设计：

   • 低功耗嵌入式系统兼容：LeGO-LOAM专为计算资源有限的嵌入式系统设计，如Nvidia Jetson TX2等，能够在低功耗硬件上实现实时姿态估计和地图构建。
   • 代码简洁高效：采用C++编程，结合CMake构建管理，代码易于理解和修改，适合研究人员学习SLAM技术。

2. 地面优化：

   • 地面点提取与分割：通过点云投影和分割技术，有效提取地面点，并利用地面约束提高定位和建图的准确性。
   • 两步优化策略：
     • 第一步：利用地面点中的平面特征进行Z轴、滚转角（Roll）和俯仰角（Pitch）的估计。
     • 第二步：利用边缘特征进行X轴、Y轴和偏航角（Yaw）的估计。
   • 这种策略显著降低了计算负担，同时保持了高精度。

3. 高精度与鲁棒性：

   • 特征提取与匹配：从点云中提取稳定的边缘和平面特征，通过两步Levenberg-Marquardt优化方法实现高精度的位姿估计。
   • 抗噪声与动态物体：通过点云分割和特征筛选，有效剔除不可靠特征（如浮动草丛、摆动树叶等），提高系统在复杂环境中的鲁棒性。

4. 实时性能：

   • 多线程处理：将多进程应用转换为单进程/多线程应用，提高算法的确定性和速度。
   • 分层特征提取：上层负责粗略位姿估计，下层用于精细化匹配，降低计算复杂性，确保实时性。

系统架构

LeGO-LOAM的系统架构主要包含以下五个模块：

1. 点云分割（Segmentation）：

   • 将原始激光雷达点云投影到深度图上，进行地面点检测和点云聚类。
   • 过滤掉点数较少的聚类，保留可能代表大型物体（如树干）和地面点的点云。

2. 特征提取（Feature Extraction）：

   • 从分割后的点云中提取边缘点和平面点特征。
   • 通过计算点的曲率值，将曲率大于阈值的点分类为边缘点，小于阈值的点分类为平面点。

3. 激光里程计（Lidar Odometry）：

   • 利用提取的特征点进行帧间匹配，找到连续扫描之间的位姿变换。
   • 采用两步优化策略，先估计Z轴、滚转角和俯仰角，再估计X轴、Y轴和偏航角。

4. 激光建图（Lidar Mapping）：

   • 将激光里程计估计的位姿信息用于更新全局点云地图。
   • 使用迭代最近点（ICP）算法优化地图点与当前扫描点云之间的对齐。

5. 变换融合（Transform Integration）：

   • 融合激光里程计和激光建图的位姿估计结果，输出最终的位姿估计。

应用场景

1. 无人机自主飞行：

   • 为无人机提供精确的飞行路径规划和避障能力，提升飞行安全性和效率。

2. 自动驾驶汽车：

   • 帮助车辆在无GPS信号或复杂城市环境下的定位和导航。

3. 室内机器人：

   • 如清洁机器人或服务机器人，在未知室内环境中构建地图并进行自主移动。

4. 地形测绘：

   • 为地质勘探、农业监测等领域提供精准的地形测量工具。

优势与性能

• 计算效率高：相比LOAM，LeGO-LOAM在保持精度的同时，显著降低了计算负担。实验表明，其计算时间减少了约35%，而位姿估计精度相当或更优。
• 适应性强：能够有效处理各种环境条件，包括静态和动态障碍物，以及光照变化等。
• 开源与社区支持：基于MIT许可，允许自由使用和二次开发，有利于社区协作和创新。