LeGO-LOAM

经典的轻量级地面优化激光雷达里程计与建图（IROS 2018 基线）

许可证

BSD-3-Clause

概述

Lightweight and Ground-Optimized Lidar Odometry and Mapping——面向地面车辆的实时六自由度位姿估计与建图，使用 3D 激光雷达。该方法发表于 IROS 2018，在分割阶段利用地面平面信息，并将位姿优化拆分为两个更轻量的步骤，使完整的 SLAM 流水线能够在低功耗嵌入式计算机上实时运行。

该流水线将每帧扫描分割为地面与非地面点簇，从中提取平面与边缘特征，并分两步估计运动：先用地面特征约束 z、横滚与俯仰，再用边缘特征求解其余自由度。基于关键帧的位姿图配合回环检测生成全局地图。以 ROS 软件包形式发布，针对安装在地面车辆上的 Velodyne VLP-16 调优。

为何重要

LeGO-LOAM 仍是激光雷达 SLAM 的经典基线之一：新的激光雷达里程计论文仍以它为对比基准，其地面优化分割思想也直接传承到 LIO-SAM 以及许多地面机器人生产级系统中。

解决的问题

完整的激光雷达 SLAM 流水线对地面机器人的嵌入式计算机而言过于沉重。LeGO-LOAM 围绕地面平面分割、点云聚类和两步 Levenberg-Marquardt 优化重构了 LOAM，使实时六自由度里程计与建图能够运行在 Jetson 级硬件上。

要点

• 地面平面分割在降低计算量的同时提升了地面车辆上的鲁棒性
• 两步优化求解六自由度位姿，所需迭代远少于一体式 LOAM
• 可在嵌入式 ARM 板上实时运行，而不仅限于台式机
• LIO-SAM 的直系前身——同一作者、同一设计脉络
• 久经考验的 ROS 基线，十年后仍被用作基准

适用人群

• 需要成熟激光雷达里程计的地面机器人开发者
• 对新方法进行基准测试的 SLAM 研究者
• 通过一份可读性强的经典代码学习激光雷达 SLAM 的学生

局限

• 针对水平安装旋转式激光雷达的地面车辆调优——不适用于手持、空中或固态雷达配置
• 没有紧耦合 IMU，剧烈运动会降低里程计精度——这方面已被 LIO-SAM 取代
• 上游维护极少且以 ROS 1 为主（最后活跃于 2024 年）