GLIM

Framework de SLAM lidar 3D acelerado por GPU para cualquier sensor de rango, de AIST

Licencia

MIT

Resumen

GLIM es un framework de localización y mapeo 3D basado en nubes de puntos, creado por Kenji Koide (AIST, Japón). Combina un front-end de odometría lidar-IMU estrechamente acoplada con un back-end de optimización global basado en la minimización del error de registro global, ejecuta sus kernels más pesados en GPU y soporta deliberadamente 'cualquier sensor de rango': lidars mecánicos giratorios, unidades de estado sólido no repetitivas como Livox e incluso cámaras RGB-D, bajo una única arquitectura extensible y nativa de ROS 2.

GLIM divide el SLAM en un front-end de estimación de odometría y un back-end de mapeo global, ambos formulados como optimización de grafos de factores sobre GTSAM. El front-end acopla estrechamente el lidar y la IMU con suavizado de retardo fijo basado en keyframes, manteniéndose robusto ante movimientos agresivos; el back-end realiza optimización global de trayectorias con factores de coste de emparejamiento GICP voxelizado acelerados por GPU, cerrando bucles mediante un enfoque de minimización del error de registro global en lugar de una frágil detección explícita de bucles. Todo lo que va más allá del núcleo es un plugin: variantes de odometría (CPU, GPU, centrada en la IMU), módulos de cierre de bucle y módulos de extensión del repositorio complementario glim_ext. El visor interactivo está construido sobre la biblioteca Iridescence del autor, se proporcionan wrappers para ROS 2 y ROS 1, y el mismo pipeline maneja lidars giratorios Velodyne/Ouster, unidades de estado sólido Livox y cámaras de profundidad, una amplitud que pocos sistemas SLAM abiertos intentan.

Por qué importa

GLIM es el sucesor más completo y en desarrollo activo de los stacks clásicos de SLAM lidar abiertos: optimización global de nivel investigación y aceleración por GPU en un paquete bien diseñado, documentado y extensible por plugins, del autor de hdl_graph_slam y small_gicp, cuyas bibliotecas ya sustentan gran parte del ecosistema abierto de mapeo lidar.

Qué problema resuelve

Construir mapas 3D precisos con sensores modernos —lidars de estado sólido, movimiento agresivo de la plataforma, trayectorias largas— rompe las suposiciones de los sistemas de SLAM lidar más antiguos. La fusión IMU estrechamente acoplada de GLIM, la optimización global acelerada por GPU y el diseño agnóstico al sensor manejan estos casos en un solo framework.

Puntos clave

• Odometría lidar-IMU estrechamente acoplada, robusta ante movimientos agresivos y geometría dispersa
• El back-end de optimización global minimiza el error de registro sobre todo el mapa (sin detector de bucles frágil)
• Los factores GICP voxelizados acelerados por CUDA hacen tratable la optimización global densa en tiempo real
• Agnóstico al sensor: lidars giratorios, unidades de estado sólido Livox y cámaras RGB-D
• Arquitectura de plugins (glim_ext) y wrappers de ROS 2/ROS 1 para una extensión e integración limpias

Para quién es

• Ingenieros de robótica que construyen pipelines de mapeo 3D
• Investigadores de SLAM que extienden sistemas de grafos de factores
• Desarrolladores de AMR y robots de exterior
• Profesionales de topografía y gemelos digitales que usan lidar móvil

Limitaciones

• El mejor rendimiento requiere una GPU NVIDIA (las alternativas en CPU son más lentas)
• Se requiere una IMU para el pipeline estándar estrechamente acoplado
• La memoria de la optimización global crece con el tamaño del mapa en ejecuciones a muy gran escala