SLAM论文翻译(1) - LeGO-LOAM: Lightweight and Ground-OptimizedLidar Odometry and Mapping on Variab

已于 2024-06-07 18:28:55 修改
阅读量654 收藏 6
点赞数
CC 4.0 BY-SA版权
分类专栏： SLAM项目实战 文章标签： 算法 c++ 计算机视觉
于 2023-03-30 18:41:55 首次发布
原文链接：https://github.com/RobustFieldAutonomyLab/LeGO-LOAM/blob/master/Shan_Englot_IROS_2018_Preprint.pdf
LeGO-LOAM是一种轻量级、地面优化的激光雷达里程计和映射方法，适用于地面车辆的实时六自由度位姿估计。通过点云分割和特征提取，利用地平面优化，实现低计算成本下的高精度。与传统的LOAM相比，LeGO-LOAM在资源有限的嵌入式系统上表现更好，减少计算成本的同时保持相似或更高的精度。实验证明，LeGO-LOAM在复杂环境和多变地形中具有较高的鲁棒性和精度。

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

目录

1 引言

2 系统硬件

3 轻型激光雷达里程计和建图

A 系统概述

B 分割 

C 特征提取 

D Lidar里程计

E Lidar建图

四 实验

 A 小规模UGV测试

 B 大规模UGV测试

C 基准测试结果

D 使用KITTI数据集的环路闭合测试

 五 结论与讨论

摘要：我们提出了一种轻量级和地面优化的激光雷达测距和测绘方法LeGO-LOAM，用于地面车辆的实时六自由度位姿估计。LeGO-LOAM重量轻，因为它可以在低功耗嵌入式系统上实现实时姿态估计。LeGO-LOAM进行了地面优化，因为它在分割和优化步骤中利用了地平面。我们首先采用点云分割滤波噪声，然后进行特征提取，得到不同的平面特征和边缘特征。然后，两步Levenberg-Marquardt优化方法使用平面和边缘特征来求解连续扫描的六自由度变换的不同组成部分。我们比较了LeGO-LOAM与最先进的方法LOAM的性能，使用从可变地形环境和地面车辆收集的数据集，并表明LeGO-LOAM在减少计算费用的情况下实现了类似或更好的精度。我们还将LeGO-LOAM集成到SLAM框架中，以消除漂移引起的位姿估计误差，并使用KITTI数据集进行测试。

1 引言

        在智能机器人的功能中，地图构建和状态估计是最基本的前提条件之一。利用基于视觉和激光雷达的方法实现实时6自由度同步定位与测绘(SLAM)。虽然基于视觉的方法在闭环检测方面具有优势，但如

了解本专栏 订阅专栏 解锁全文 超级会员免费看
论文笔记—LeGO-LOAM: Lightweight and Ground-Optimized Lidar Odometry and Mapping on Variable Terrain
qq_46480130的博客
03-23 971
论文笔记—LeGO-LOAM: Lightweight and Ground-Optimized Lidar Odometry and Mapping on Variable Terrain 论文链接 代码链接 文章摘要     ~~~~       ~~~   本文提出了一种用于地面车辆的实时六自由度姿态估计的轻型且经地面优化的激光雷达里程计和建图方法LeGO-LOA
【LIO-SAM论文全文翻译】：LIO-SAM: Tightly-coupled Lidar Inertial Odometry via Smoothing and Mapping
JaydenQ的博客
08-25 8869
文章目录摘要一、引言二、相关工作三、基于SAM的雷达惯性里程计A.系统概述B. IMU预积分因子C. 雷达里程计因子D. GPS因子总结 摘要 我们提出一个框架用于通过SAM紧耦合雷达惯性里程计LIO-SAM，可实现高精度、实时的移动机器人轨迹估计和地图构建。LIO-SAM是基于因子图构建雷达惯性里程计，可以将大量的相对测量值、绝对测量值、回环等多种不同数据作为因子融入雷达惯性里程计系统中。通过imu预积分获得的运动估计可以用于点云的偏斜矫正和用于雷达里程计优化的初始值。获得的雷达里程计结果又可以反过来
LeGO-LOAM_ Lightweight and Ground-Optimized Lidar Odometry and Mapping
03-01
这篇文章提出了一个名为LeGO-LOAM的轻量级6自由度的激光SLAM方法. LeGO-LOAM主要分为点云分隔, 特征提取, 里程计和建图四个方面, 在特征提取方面它借鉴了LOAM算法, 并且和其他的激光SLAM方法相比, LeGO-LOAM的亮点是支持闭环检测, 而且作者表示它能够在嵌入式系统上实时地进行位姿估计.
3D激光SLAM：LeGO-LOAM论文解读---摘要
月照银海似蛟龙的博客
07-27 728
文章提出了一种轻量级、基于地面优化的激光里程计和建图算法LeGo-Loam,能够实时的进行六自由度位姿估计，应用在地面的车辆上面。强调应用在车辆上面就是因为在应用该算法的时候，雷达必须水平安装（主要设计地面优化部分），像LOAM和LIO-SAM的话对于安装角点是没有要求的，并且在运行过程中角度也可以改变。LeGo-Loam是一套轻量级的算法，可以在低功耗嵌入式系统中进行实时的位姿估计。LOAM的实时性是要求在x86性能比较好的平台的上进行，LeGo-Loam在算力下降的平台上依然可以实时进行。...
《LeGO-LOAM: Lightweight and Ground-OptimizedLidar Odometry and Mapping on Variable Terrain》论文精读
avenger_fang的博客
03-04 1770
【摘要】 我们提出了一种轻型的、基于地面优化的激光雷达里程计与建图方法，LeGO-LOAM，用于地面车辆的实时六自由度姿态估计。LeGO-LOAM是轻量级的，因为它可以在低功耗嵌入式系统上实现实时姿态估计。LeGO-LOAM是基于地面优化的，因为它在其分割和优化步骤中利用了地面平面的存在。我们首先应用点云分割来过滤噪声，以及特征提取来获得独特的平面和边缘特征。然后采用两步LM优化方法，利用平面和边缘特征来解决连续扫描中的六个自由度变换的不同分量。我们比较了LeGO-LOAM与最先进的方法L...
【论文阅读】LeGO-LOAM: Lightweight and Ground-Optimized Lidar Odometry and Mapping on Variable Terrain
SLAM小学僧
06-21 4331
LOAM: LeGO-LOAM: Lightweight and Ground-Optimized Lidar Odometry and Mapping on Variable Terrain文章摘要一、简介 本文主要是对LeGO-LOAM论文的一些学习总结，如有不对之处，希望大家提出宝贵的意见，共同进步~ 文章摘要 作者提出了一种轻量级、基于地面优化的激光里程计和建图算法LeGo-Loam,能够地面物体的六自由度位姿估计。 轻量级：能够在低功耗嵌入式系统中进行实时的位姿估计。 基于地面优化：在分割和优化的
(Lidar SLAM论文)LeGO-LOAM
weixin_44035919的博客
06-08 1545
我们提出了一种轻量级和地面优化的里程计和建图方法，LeGO-LOAM，用于地面无人车的实时六自由度位姿估计。LeGO-LOAM是轻量级的，因为它可以在低功耗嵌入式系统上实现实时位姿估计。LeGO-LOAM是地面优化的，因为它在其分割和优化步骤中利用了地面的存在。我们首先应用点云分割来滤除噪声，然后进行特征提取来获得独特的平面和边缘特征。然后，一种两步L-M优化方法使用平面和边缘特征来求解连续扫描之间的六自由度变换的不同分量。我们使用从地面车辆的可变地形环境中收集的数据集，比较了LeGO-LOAM和最先进的方
SC-Lego-LOAM：LiDAR SLAM：扫描上下文+ LeGO-LOAM
01-28
是一种针对激光雷达（LiDAR）的实时同步定位与建图（SLAM，Simultaneous Localization and Mapping）算法，它结合了**扫描上下文（Scan Context）** 和 **LeGO-LOAM（Lightweight Ground-Oriented LiDAR Odometry ...
LeGO-LOAM论文重点总结
weixin_51326570的博客
08-05 538
LeGO-LOAM：Lightweight and Ground-Optimaized Lidar Odmetry and Mapping on Variable Terrain 启示：1、可以采取其他的分割方法与loam比较，针对曲率问题和平面问题，咱也可以针对园林场景来写； 对于地面点云去除直接借鉴本篇 后面的针对性实验做的也非常好 本文提出的框架采用从Velodyne的16线激光雷达VLP-16以及HDL-64E 3D激光雷达中采集的数据集进行验证。VLP-16激光雷达的感知范围达到100m，准
雷达系列论文翻译（四）：LeGO-LOAM
weixin_39061796的博客
08-10 1355
LeGO-LOAM: Lightweight and Ground-OptimizedLidar Odometry and Mapping on Variable Terrain 摘要 我们提出了一种轻量级和地面优化的里程计和建图方法，LeGO-LOAM，用于地面无人车的实时六自由度位姿估计。LeGO-LOAM是轻量级的，因为它可以在低功耗嵌入式系统上实现实时位姿估计。LeGO-LOAM是地面优化的，因为它在其分割和优化步骤中利用了地面的存在。我们首先应用点云分割来滤除噪声，然后进行特征提取来获得独特的平面
loam论文的理解.pptx
10-18
对于论文loam的理解，作者提出了使用六自由度的两轴激光雷达来构建实时激光里程计。
激光SLAM--(8) LeGO-LOAM论文笔记
qq_42692305的博客
10-15 2109
LeGO-LOAM论文翻译，学习笔记
LeGO-LOAM论文翻译（内容精简)
热门推荐
wykxwyc的博客
04-27 1万+
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。 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 目录 content {:toc} 摘要 LeGO-LOAM特点 1)一种轻量级的，可在嵌...
LeGO-LOAM
darren_pty
11-23 1010
1
VLP-16第二课: 学习论文LeGo-LOAM: 基于地面优化的轻量级雷达里程计和地图构建
Ian的博客
11-02 1654
学习论文LeGO-LOAM: Lightweight and Ground-Optimized Lidar Odometry and Mapping on Variable Terrain. 1.摘要 LeGO-SLAM, 可在低功耗嵌入式系统下实现实时6自由度位姿估计(轻量级)。 它在分割和优化步骤中利用了地平面的存在。该核心算法主要分为以下几个步骤: (1). 首先利用点云分割去滤除噪声和...
LeGo-LOAM论文简析
MAX_Hope的博客
11-19 1597
简单介绍一下LeGo-LOAM和LOAM的区别 1.适用于各种复杂物理环境，算法要求的计算量小。 2.对点云进行了分类，分类出地面和线段等。 在Lidar Odometry特征关联部分引用了分类的label。比如： 3.LM优化部分采用两步优化，先用平面点优化再用边缘点优化。因为平面点能约束那三个量，边缘点能约束这三个量。平面点优化完的量做下一步优化的固定约束。 ...
LeGO-LOAM论文翻译
weixin_45626706的博客
12-23 2953
目录题目AbstractI. IntroductionII. System HardwareIII. Lightweight Lidar Odometry and MappingA. System OverviewB. SegmentationC.Feature ExtractionD. Lidar Odometry 题目 LeGO-LOAM: Lightweight and Ground-Optimized Lidar Odometry and Mapping on Variable Terrain Ab
【LOAM系列】三：leGo-LOAM论文笔记
Jeet173的博客
06-09 559
LeGo-LOAM论文阅读
【LeGO-LOAM论文阅读（一）--点云分割】
看看就好，IT小白
10-10 1507
LeGO-LOAM 点云分割部分理论及源码解读
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