MOLA

Modulares C++/ROS 2-Framework für LiDAR-Odometrie, SLAM und Lokalisierung

Lizenz

• core: GPL 3.0
• some packages: BSD 3-Clause

Gemischte Lizenzierung: Die Kernmodule stehen unter GPL-3.0, einige Pakete unter BSD-3-Clause. Die Lizenzbedingungen je Paket stehen in den einzelnen package.xml-Dateien.

Überblick

MOLA (Modular Optimization framework for Localization and mApping) ist ein modernes C++- und ROS 2-Framework zum Aufbau konfigurierbarer LiDAR-Odometrie-, LiDAR-Inertial-Odometrie- (LIO) und SLAM-Pipelines. Seine modulare Architektur ermöglicht es Forschern und Ingenieuren, Komponenten auszutauschen — von Punktwolkenfiltern bis hin zu Schleifenschlussdetektoren — ohne die gesamte Pipeline neu schreiben zu müssen. MOLA unterstützt mehrere Betriebsmodi, darunter Kartierung, reine Lokalisierung und vollständiges SLAM, mit nativer Georeferenzierungsfähigkeit für den Einsatz in der realen Welt.

MOLA ist ein modulares System für Lokalisierung und Kartierung, das auf konfigurierbaren, YAML-definierten Pipelines basiert. Anstatt eine einzelne monolithische SLAM-Lösung bereitzustellen, ermöglicht MOLA das Zusammenstellen von Pipelines aus austauschbaren Modulen: LiDAR-Odometrie-Engines, Zustandsschätzer, Punktwolkenfilter, Schleifenschlussdetektoren und Kartenrepräsentationen. Das Framework umfasst mola_lidar_odometry für die 3D-LiDAR-Verarbeitung, mp2p_icp für Punktwolkenregistrierung und -filterung sowie mola_state_estimation für Sensorfusion. Es integriert sich nativ in ROS 2 (Humble, Jazzy, Rolling) und kann auch eigenständig betrieben werden. Demonstrierte Anwendungsfälle umfassen automobiles SLAM (KITTI), Waldinventur, Indoor-Rucksack-Kartierung, drohnenbasierte Luftkartierung und Gewächshausdokumentation.

Warum es wichtig ist

Die meisten SLAM-Systeme sind eng gekoppelt — das Ändern einer Komponente bedeutet, das gesamte System neu zu konzipieren. MOLA durchbricht dieses Muster mit einem wirklich modularen Design, bei dem jede Komponente (Odometrie, ICP, Schleifenschluss, Kartenformat) unabhängig über YAML-Dateien konfiguriert oder ersetzt werden kann. Dies macht es sowohl für die Forschung (schnelles Testen neuer Algorithmen in einer realen Pipeline) als auch für die Produktion (Austausch von Komponenten passend zu spezifischen Sensor-Setups) praktikabel. Veröffentlicht im The International Journal of Robotics Research (2025), stellt es einen ausgereiften, akademisch validierten Ansatz für das SLAM-Problem dar.

Welches Problem es löst

Bestehende SLAM-Frameworks sind typischerweise monolithisch — Forscher, die einen neuen Schleifenschlussalgorithmus oder Punktwolkenfilter testen möchten, müssen die gesamte Codebasis forken und eng gekoppelte interne Strukturen umständlich anpassen. MOLA bietet saubere Schnittstellen zwischen Pipeline-Stufen, sodass einzelne Komponenten unabhängig entwickelt, getestet und ausgetauscht werden können.

Wichtigste Punkte

• Modulare YAML-konfigurierte Pipelines — LiDAR-Odometrie, ICP, Schleifenschluss und Kartenkomponenten ohne Codeänderungen austauschen
• Native ROS 2-Unterstützung (Humble, Jazzy, Rolling) sowie eigenständiger Betrieb
• Unterstützt LiDAR-Odometrie, LiDAR-Inertial-Odometrie, vollständiges SLAM und reine Lokalisierungsmodi
• Integrierte Georeferenzierung für reale Koordinatensysteme
• Veröffentlicht in IJRR 2025 mit umfassenden Benchmarks gegen den Stand der Technik

Für wen

• Robotikforscher, die an SLAM und Lokalisierung arbeiten
• Feldrobotik-Ingenieure, die LiDAR-basierte Navigation einsetzen
• Entwickler autonomer Fahrzeuge, die konfigurierbare Odometrie-Pipelines benötigen
• Vermessungs- und Kartierungsfachleute, die mobile LiDAR-Plattformen nutzen

Einschränkungen

• Fokussiert auf LiDAR — keine native Unterstützung für visuelles SLAM (reine Kamera-Pipelines)
• Die C++-Codebasis erfordert Vertrautheit mit CMake/colcon-Build-Systemen
• Die Dokumentation setzt ROS 2-Kenntnisse voraus
• Gemischte GPL-3.0/BSD-3-Clause-Lizenzierung kann die kommerzielle Nutzung von GPL-Modulen erschweren