激光slam_从零开始搭二维激光SLAM --- 写作计划

本系列文章的目的是从零搭一套二维激光SLAM出来，并对其中的每个模块使用多种方法进行实现，以验证一些算法，以达到学以致用的目的。

当然，肯定是借鉴已有的SLAM算法，完全自己搭的话水平还不够。考虑将 gmapping，hector，karto，cartographer，hdl，loam，lis-sam 这几个SLAM算法中的某个模块抠出来重新实现一下。

目前打算按照如下模块进行文章及代码的编写：

1 前端里程计部分

• 对比不同品牌的雷达的建图效果，分析雷达数据对建图的影响
• 从零搭一个scan-to-scan的激光里程计，目前打算分别使用 ICP，NDT，PL-ICP 等算法进行实现
• 将上述scan-to-scan的激光里程计添加上建图部分，可能分为2种：一种是实时更新地图，保持增量式的地图（gmapping），另一种是实时保存位姿，每隔一段时间从头生成一遍地图（karto）。
• 将scan-to-scan的激光里程计进行改进，使用scan-to-map（hector与karto）的匹配方式计算激光里程计
• 对scan-to-map的匹配方式继续进行改进，使用scan-to-submap（cartographer）的匹配方式计算激光里程计
• 将里程计数据 融合进 激光里程计部分
• 再将imu数据 融合进 激光里程计部分

激光里程计部分是激光SLAM的重中之重，所以将花费较长的时间进行这一模块的搭建。

当完成了这部分代码的编写，大家将学会了如何使用雷达数据与雷达数据进行匹配，如何使用雷达数据与地图数据进行匹配。

一旦我们学会了这两种匹配，那么我们将掌握激光SLAM的绝大部分内容。因为，回环检测部分与重定位部分的本质，都是如何使用当前雷达数据进行匹配的问题。

2 后端优化部分

• karto的后端优化
• lio-sam的后端优化

目前打算通过这两种后端优化的方式进行后端优化部分的实现。

3 回环检测部分

• 使用ICP算法进行回环检测
• karto的回环检测
• cartographer的回环检测

4 基于激光雷达的重定位功能

• 基于ICP的激光雷达重定位功能

当我们已经有了一张二维栅格地图的时候，想要在这张地图上进行导航，首先要确定机器人当前在栅格地图中的位置，这就是重定位问题。

这个模块将使用ICP算法实现基于激光雷达的重定位功能。

5 其他功能

如果读者们有想要实现的其他功能，在二维激光SLAM方面的，可以在我的公众号中回复，如果建议很好的话我也为这个功能进行实现。

感慨

场子铺的太大了，东西太多了，感觉很有压力。。。

上面的每一个模块可能都需要我看很久的代码才能实现。这么多内容，估计我要花上一年甚至更长的时间才能完成。所以开始写代码以后的文章，将以一周、两周、甚至一个月的频率进行更新。

难度很大，希望自己能够坚持下去。

当真正写完的那一天，我相信，不光是我自己，还有每篇文章都认真看的读者们，都会有非常大的收获。

---

文章将在 公众号: 从零开始搭SLAM 进行同步更新，欢迎大家关注。同时，也希望您将这个公众号推荐给您身边做激光SLAM的人们，大家共同进步。