LiDAR SLAM的比较

在自动驾驶领域，定位是很重要的一环，为了建立更有鲁棒性、精确的定位，在实际自动驾驶车上往往都会使用激光雷达。激光雷达相比于摄像头，对光照变化不敏感，适合白天和黑夜，绝大多数路况。激光雷达获得的距离信息精度很高，获取的feature很稳定。当然，激光雷达LiDAR对大雨天，大雾天的精度会降低，空中颗粒物会使激光方向发生一些变化~

目前LiDAR SLAM中，从kitti中可以看到kitti odometry 中，LiDAR的方案普遍有很高的精确度。而且kitti的数据集其实是很适合摄像头的，所以在这个排行榜上看LiDAR似乎没有比camera好太多。其实场景复杂起来，视觉特征少了以后，摄像头的方案就不是完美的了。

当然，最常用的就是LOAM：https://github.com/laboshinl/loam_velodyne 这不是开源的那份代码，酷炫的效果看不到了。最原始的开源版本已经没有了，作者已经不开源了，去开了一家公司。

今天介绍两个不错的LiDAR方案：

• HDL：https://github.com/koide3/hdl_graph_slam
• LeGO-LOAM：https://github.com/RobustFieldAutonomyLab/LeGO-LOAM

以下是我用VLP-16做的地图，在不同的地点进行的，当然，这些方法还有更多改进以及局限性，这里就先不说了。LiDAR的重点是在于去畸变、feature matching等。我发现LiDAR在理论上比vSLAM发展慢不少，还有很多东西可以挖掘。

HDL：

LeGO-LOAM：

转载请标注： https://blog.csdn.net/c602273091/article/details/88387498