LOAM: Lidar Odometry and
Mapping in Real-time
• 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。
• 问题的难点在于运动估计中的误差可能导
致所得点云的误匹配。
• 核心思想:将定位与建图进行分割。
通过并行运行的两种算法来分解问题。
• 1:执行高频率的里程计但是低精度的运动估
计
• 2:执行低频率的匹配和注册点云信息
• 两种算法的结合就获得了高精度、实时性的激
光里程计
• 激光雷达接收点云数据
• 注册点云
• Lidar Odometry节点:获取两帧连续点云数据
间的运动,估计出来的运动用于去除 中的运
动畸变,频率为10Hz
kP
• Lidar Mapping节点:使用地图去匹配和注册未
畸变的点云数据,频率为1Hz
• Transform integration节点:接收前面两个节点
输出的信息并将其进行融合处理,频率为10Hz
Lidar Odometry
• 特征点提取
• 找特征点的对应
• 运动估计
特征点提取
• 特征点分为边缘点和平面点
• 定义局部平面的光滑度(曲率):
c
|
S
|
||
1
X
||
L
( , )
k i
||
,
j S j
(
X
L
( , )
k i
X
L
( , )
k j
) ||
i
• 曲率大的是边缘点,曲率小的是平面点。
• 为了防止特征点聚集,将每一次扫描的点
云分成相同的四份,从每份中选取两个边
缘点和四个平面点。
特征点提取
在选择点时:
• 避免选取已经选过点周围的点或者是与激
光线接近平行的平面上的点,如下图a中的
B点。
• 避免可能遮挡点,如下图b中的A点
找特征点的对应
• 里程计算法估计获取一次扫描内的雷达运
kt
动。 表示第k次扫描开始的时间,在每一次
扫描结束时,这一次扫描获得点云 会重投
影到 时间点,将投影后的点云记为 。
在下一个扫描k + 1期间, 与新接收的点云
1kP
一起用于估计激光雷达的运动。
1kt
kP
kP
kP