LiDAR Odometry

• 又称: laser odometry, LO
• 类别: State estimation & navigation › Localisation
• 标签: lidar, odometry, slam, state-estimation, point-cloud-registration

通过把相继的激光雷达（LiDAR）扫描相互配准或与局部地图配准来估计机器人的运动；除非通过回环加以校正，否则它会随距离产生漂移。

定义

激光雷达里程计（LiDAR odometry）通过把每一次新扫描与之前的数据对齐，来估计激光雷达传感器以及搭载它的机器人的运动。它是里程计（odometry）的一种形式：与车轮里程计或视觉里程计（visual odometry）一样，它随时间累积相对运动，因此会积累漂移。它与视觉里程计的区别在于输入：它使用直接的距离测量而不是相机图像，这使单个传感器就能得到度量尺度，并使它基本不受光照影响。它与迭代最近点（iterative closest point）的区别在于范围：ICP 是一种配准算法，常被用在激光雷达里程计系统内部，而激光雷达里程计是包括预处理、配准、运动补偿和地图管理在内的整个流程。

主要有两类方法。基于特征的方法，例如 Zhang 和 Singh 在 2014 年提出的 LOAM，从每次扫描中提取边缘点和平面点，并将它们与局部地图中的特征进行匹配。稠密方法则把大部分点与上一次扫描或降采样后的局部地图进行配准，通常使用点到面 ICP 或正态分布变换。扫描到地图的配准比扫描到扫描的配准漂移更小，因为每次扫描都与一个由许多早先扫描构建的结构对齐。

旋转式激光雷达在完整旋转一周的过程中采集一次扫描，因此运动中的传感器会使扫描产生畸变。系统通过对点进行去畸变来纠正这一问题，所用的方法包括假设恒定速度、使用 IMU，或者像 CT-ICP 那样使用连续时间轨迹，在每次扫描的开始和结束处分别设置位姿。在几何结构无法约束全部六个自由度的地方，激光雷达里程计会遇到困难：长走廊、隧道、开阔田野和平坦道路。与 IMU 紧耦合融合（如激光雷达-惯性里程计）有助于应对快速运动和短的退化路段，而完整的 SLAM 系统会加入回环和位姿图优化来消除累积的漂移。

为何重要

激光雷达里程计是许多自动驾驶车辆、移动机器人和测绘系统运动估计的主要来源，在相机难以应对的户外和黑暗环境中尤其如此。它的精度限制了建立在其上的每一张地图和每一个定位结果的质量。

主要应用

• 自动驾驶汽车和配送机器人的自身运动估计
• 激光雷达 SLAM 和 3D 建图系统的前端
• 手持式和背包式移动测绘
• 在矿井、隧道和其他黑暗环境中的导航
• 搭载激光雷达的足式机器人和无人机的状态估计

实际应用

一个团队为一台在建筑工地中行驶的勘测机器人安装了旋转式激光雷达和 IMU。每次扫描都借助 IMU 去畸变，降采样到体素网格中，再用点到面 ICP 与由近期扫描组成的局部地图进行配准。得到的位姿以扫描频率输入机器人的导航栈。当机器人驶过一条空旷的长走廊时，团队发现位置估计沿走廊轴向被拉长，因为墙壁无法约束沿该方向的运动；于是他们对 ICP 解加入了退化检查，在这些路段更多地依赖 IMU 和车轮里程计，并离线运行回环来校正最终地图。

常见误解

• 激光雷达里程计给出无漂移的全局位置 — 它累积相对运动并会漂移，因此长距离运行需要回环或全局参考
• 激光雷达里程计与 ICP 相同 — ICP 只是其中的配准步骤；里程计还包括去畸变、滤波、地图管理，并且常常包括 IMU 融合
• 由于激光雷达直接测量距离，它在任何地方都能工作 — 在隧道或开阔田野等几何特征缺乏的场景中，某些方向不受约束
• 每次扫描都是在某一瞬间拍下的快照 — 旋转式激光雷达的扫描是随时间进行的，因此运动中的传感器会产生畸变的扫描，除非对其进行校正

谁需要了解

• SLAM 与状态估计工程师
• 自动驾驶感知团队
• 移动测绘与勘测开发人员
• 在户外或地下工作的野外机器人工程师

相关技术

• LOAM
• KISS-ICP
• CT-ICP
• 激光雷达-惯性里程计（Lidar-Inertial Odometry）
• 正态分布变换（Normal Distributions Transform）

相关术语

• Odometry
• Visual Odometry
• Iterative Closest Point
• LIDAR
• Loop Closure
• SLAM

相关项目

• LingBot-Map: Streaming 3D reconstruction from one camera: pose and depth for every frame, live
• oomwoo: Open-source DIY robot vacuum: 3D-printed, ROS2 + 2D LiDAR, fully local.
• Cartographer: Google's real-time 2D and 3D SLAM system for multi-platform robotics
• FAST-LIVO2: Fast, direct LiDAR-inertial-visual odometry from HKU-MARS, published in IEEE T-RO
• DimOS: Python robotics runtime with agents, SLAM and teleop, no ROS required
• evo: De-facto standard tool for evaluating and plotting odometry/SLAM trajectories

视频

• LiDAR Odometry - 5 Minutes with Cyrill: Cyrill Stachniss