3D激光SLAM，為什么要選LeGo-LOAM？

激光slam中，LOAM(Lidar Odometry and Mapping in Real-time)系列具有舉足輕重的地位。下面的表格是近年來LOAM系列算法的匯總。

算法名稱	發(fā)表名稱	作者	備注
LOAM	2014	Ji Zhang	基于激光雷達而搭建的在ROS平臺下的SLAM系統(tǒng)
A-LOAM			實現(xiàn)了LOAM開源代碼，并做了部分優(yōu)化
LeGO-LOAM	2018	Tixiao Shan	與IMU是松耦合
LlOM	2019	Haoyang Ye	與IMU是緊耦合
LIO-SAM	2020	Tixiao Shan	LeGO-LOAM升級版，與IMU緊耦合

LeGo-Loam是基于ros系統(tǒng)框架的3D激光slam開源代碼。代碼簡潔，其中大量計算都是手動推導出來，依賴庫相對較少，主要依賴gtsam進行后端因子圖優(yōu)化。其中在前端里程計計算中，通過地面特征和線特征分開來計算機器人姿態(tài)，減少計算量，提高前端計算效率。其系統(tǒng)框架如下圖：

相對于LOAM算法，LeGo-LAOM能夠進行地面優(yōu)化，同時保證了輕量級，也加入了回環(huán)檢測模塊。

相對于LOAM算法，LeGo-LAOM能夠進行地面優(yōu)化，同時保證了輕量級；也使用了Keyframe概念以及回環(huán)檢測位姿圖優(yōu)化的方式對后端進行重構。

對于工業(yè)領域而言，LeGo-LOAM有非常廣泛的應用，尤其是工業(yè)機器人領域，LeGo-LOAM一直都是應聘者必須掌握的框架。

對于學術研究而言，LeGo-LOAM是激光SLAM的經(jīng)典框架，LeGo-LOAM源碼簡潔清晰，比LOAM算法的代碼可讀性要高很多。近幾年各頂會上的很多SLAM算法設計思想都潛移默化地受LeGo-LOAM的影響，對其的改進思路相較于LOAM也比較多樣化。

如何高效學習LeGo-LOAM？

學習SLAM主要需要攻克三大難關：

扎實的數(shù)學基礎
對整個SLAM大框架及細節(jié)部分理解到一定深度
比較高度的編程能力

這三點都絕非易事，需要花很大的功夫，中間也有不少彎路要走。

對于初學者，推薦以下的學習路線：

先看一遍十四講入個門，不用看的太深入，應為這會可能會有很多不明白的地方。
查閱相關的碩博論文、綜述論文，看看前人的工作部分，再找經(jīng)典的開源代碼過一遍。
學習框架：LeGo-LOAM 、LOAM/A-LOAM、Lio-Sam、cartographer等。= 可以嘗試做一些實際項目，邊做邊總結。

做好以上幾點基本都差不多了，但是自己學習總是會遇到很多困難。為此，我們與高級科學家弘毅學者一起研發(fā)了《深度剖析面向機器人領域的3D激光SLAM技術原理、代碼與實戰(zhàn)》課程，一方面是帶領大家入門基于LeGo-LOAM框架的3D激光SLAM技術，另一方面是帶領大家掌握激光SLAM的學習方法。

LeGO-LOAM運行效果展示：