GLIM

来自 AIST 的 GPU 加速三维激光雷达 SLAM 框架,支持任意距离传感器

许可证

MIT

概述

GLIM 是由日本产业技术综合研究所(AIST)的 Kenji Koide 开发的基于三维点云的定位与建图框架。它将紧耦合的激光雷达-IMU 里程计前端与基于全局配准误差最小化的全局优化后端相结合,最重的计算内核运行在 GPU 上,并刻意支持"任意距离传感器"——机械旋转式激光雷达、Livox 等非重复扫描固态雷达、甚至 RGB-D 相机——统一在一个可扩展、ROS 2 原生的架构之下。

GLIM 将 SLAM 拆分为里程计估计前端和全局建图后端,两者都基于 GTSAM 表述为因子图优化问题。前端以基于关键帧的固定滞后平滑(fixed-lag smoothing)紧耦合激光雷达与 IMU,在剧烈运动下依然保持鲁棒;后端执行全局轨迹优化,使用 GPU 加速的体素化 GICP 匹配代价因子,通过全局配准误差最小化方法闭环,而非依赖脆弱的显式回环检测。核心之外的一切都是插件:里程计变体(CPU、GPU、以 IMU 为中心)、回环模块,以及配套 glim_ext 仓库中的扩展模块。交互式查看器基于作者自己的 Iridescence 库构建,提供 ROS 2 和 ROS 1 封装,同一套流水线可处理 Velodyne/Ouster 旋转式激光雷达、Livox 固态雷达和深度相机——这样的广度是很少有开源 SLAM 系统敢于尝试的。

为何重要

GLIM 是经典开源激光雷达 SLAM 技术栈最完整、仍在活跃开发的继任者:研究级的全局优化与 GPU 加速,封装成工程化、文档完善、插件可扩展的软件包,作者正是 hdl_graph_slam 和 small_gicp 的开发者,其库已经支撑着开源激光建图生态的很大一部分。

解决的问题

使用现代传感器构建精确三维地图——固态激光雷达、平台剧烈运动、超长轨迹——会打破旧式激光雷达 SLAM 系统的假设。GLIM 的紧耦合 IMU 融合、GPU 加速全局优化和传感器无关设计,在一个框架内应对这些场景。

要点

• 紧耦合激光雷达-IMU 里程计,对剧烈运动和稀疏几何环境保持鲁棒
• 全局优化后端在整张地图上最小化配准误差(无需脆弱的回环检测器)
• CUDA 加速的体素化 GICP 因子使稠密全局优化能够实时求解
• 传感器无关:支持旋转式激光雷达、Livox 固态雷达和 RGB-D 相机
• 插件架构(glim_ext)及 ROS 2/ROS 1 封装,便于清晰扩展与集成

适用人群

• 构建三维建图流水线的机器人工程师
• 扩展因子图系统的 SLAM 研究人员
• AMR 与户外机器人开发者
• 使用移动激光雷达的测绘与数字孪生从业者

局限

• 最佳性能需要 NVIDIA GPU(CPU 回退方案速度较慢)
• 标准紧耦合流水线需要 IMU
• 在超大规模场景下,全局优化的内存占用随地图规模增长