GLIM

Framework de SLAM lidar 3D acelerado por GPU para qualquer sensor de distância, do AIST

Licença

MIT

Visão geral

O GLIM é um framework de localização e mapeamento 3D baseado em nuvens de pontos, criado por Kenji Koide (AIST, Japão). Ele combina um front-end de odometria lidar-IMU fortemente acoplada com um back-end de otimização global baseado em minimização do erro global de registro, executa seus kernels mais pesados em GPU e suporta deliberadamente 'qualquer sensor de distância' — lidars mecânicos rotativos, unidades solid-state de padrão não repetitivo como Livox, e até câmeras RGB-D — sob uma arquitetura única, extensível e nativa de ROS 2.

O GLIM divide o SLAM em um front-end de estimativa de odometria e um back-end de mapeamento global, ambos formulados como otimização de grafo de fatores sobre o GTSAM. O front-end acopla fortemente lidar e IMU com fixed-lag smoothing baseado em keyframes, permanecendo robusto durante movimentos agressivos; o back-end realiza otimização global de trajetória com fatores de custo de matching GICP voxelizado acelerados por GPU, fechando loops via uma abordagem de minimização do erro global de registro em vez de detecção explícita de loops, que é frágil. Tudo além do núcleo é um plugin: variantes de odometria (CPU, GPU, centrada em IMU), módulos de fechamento de loop e módulos de extensão do repositório complementar glim_ext. O visualizador interativo é construído sobre a biblioteca Iridescence do autor, wrappers para ROS 2 e ROS 1 são fornecidos, e o mesmo pipeline lida com lidars rotativos Velodyne/Ouster, unidades solid-state Livox e câmeras de profundidade — uma abrangência que poucos sistemas de SLAM abertos tentam alcançar.

Por que importa

O GLIM é o sucessor mais completo e em desenvolvimento ativo das stacks clássicas de SLAM lidar abertas: otimização global de nível de pesquisa e aceleração por GPU em um pacote bem engenheirado, documentado e extensível por plugins, do autor do hdl_graph_slam e do small_gicp, cujas bibliotecas já sustentam boa parte do ecossistema aberto de mapeamento lidar.

Problema que resolve

Construir mapas 3D precisos com sensores modernos — lidars solid-state, movimento agressivo da plataforma, trajetórias longas — quebra as premissas dos sistemas de SLAM lidar mais antigos. A fusão de IMU fortemente acoplada do GLIM, a otimização global acelerada por GPU e o design agnóstico a sensores lidam com esses casos em um único framework.

Pontos principais

• Odometria lidar-IMU fortemente acoplada, robusta a movimento agressivo e geometria esparsa
• Back-end de otimização global minimiza o erro de registro sobre o mapa inteiro (sem detector de loops frágil)
• Fatores GICP voxelizados acelerados por CUDA tornam a otimização global densa viável em tempo real
• Agnóstico a sensores: lidars rotativos, unidades solid-state Livox e câmeras RGB-D
• Arquitetura de plugins (glim_ext) e wrappers ROS 2/ROS 1 para extensão e integração limpas

Para quem é

• Engenheiros de robótica construindo pipelines de mapeamento 3D
• Pesquisadores de SLAM estendendo sistemas de grafo de fatores
• Desenvolvedores de AMRs e robôs de exterior
• Profissionais de topografia e digital twins usando lidar móvel

Limitações

• O melhor desempenho requer uma GPU NVIDIA (os fallbacks em CPU são mais lentos)
• IMU obrigatória para o pipeline padrão fortemente acoplado
• A memória da otimização global cresce com o tamanho do mapa em execuções de escala muito grande