最新开源！基于固态激光雷达Livox的建图与定位系统！提供Docker自测！

点击上方“计算机视觉life”，选择“星标”

快速获得最新干货

开源链接如下：欢迎star，fork，watch

Livox-Mapping: 

https://github.com/PJLab-ADG/Livox-Mapping

Livox-Localization: 

https://github.com/SiyuanHuang95/Livox-Localization

Docker: 

https://hub.docker.com/r/siyuanhuang95/livox_slam

在自主移动机器人的任务执行过程中，实时获得自身当前位姿是要解决的基本问题之一。目前，以激光雷达为主传感器进行点云地图构建，并用scan-map匹配的方式定位是当前的主流方案。但是传统的多线激光雷达成本高，体积大，装配复杂，不适合在一些小型、成本敏感的移动机器人上使用。而固态激光雷达以其成本低、集成度高、方便装配的优势，近年来在机器人领域引起了广泛关注。但固态激光雷达视场小，扫描模式不规则的特点，也为SLAM算法的适配带来了新的困难。

本工作给出了一套完整易用的、使用固态激光雷达进行地图构建的系统。该系统的前端部分是基于开源的里程计框架LIO-Livox开发的，后端则加入了基于ScanContext的位姿图优化。此外，我们添加了更多约束以提高建图性能。同时我们在Livox-Localization中为您提供了一个简单的基于激光雷达地图的定位模块，可以测试点云建图的效果。为了方便各位感兴趣读者的尝试，我们提供了相应的Docker镜像文件和测试数据集。

下面分别介绍我们在LIO-Livox基础上添加的部分新特性。

• 回环检测

在回环检测部分，我们使用Scan Context点云描述子进行回环检测，并将回环约束加入到求解器中进行优化。通过回环，我们可以减小在大场景下里程计位姿估计的累计误差。下面给出开启与关闭回环的效果对比。

开启闭环检测

关闭闭环检测

• 地面约束

在激光雷达建图算法中，经常会出现z轴漂移的问题。而固态激光雷达由于FoV小，这个问题会更加明显。为了应对这个问题，我们受hdl_graph_slam的启发，将地面约束加入了优化求解器中。下面给出加入地面约束后与加入之前的效果对比。

加入地面约束

不加地面约束

• 多包建图

在实际的建图过程中，我们经常会多次采集环境的信息并存储在rosbag包中。所以我们需要一个将多rosbag包建立的地图进行合并的功能。在本文中，我们使用GPS(可选)的信息将不同rosbag包中的数据转到统一的坐标系下。与此同时，我们在后端维护一个长期优化的关键帧序列，并利用Scan Context及icp的方法实现来自不同包关键帧之间的相不加地面互回环、联合优化以保证地图的全局一致性。下面是多包建图的结果。

• GPS因子

我们还提供了GPS因子来帮助建图过程。在本系统中，是否使用GPS信息是可选的，即使没有 GPS 信息，整个系统也可以正常工作。

• 与地图编辑器interactive_slam相互兼容

Interactive_slam是一个基于3D激光雷达的开源点云地图编辑框架。我们输出的结果与interactive_slam兼容。这样就可以方便地使用 interactive_slam对建图结果进行手工修整以获得更准确的LiDAR地图。同时，我们还提供了一项使用图像数据，借助 mmdection 和简单的 LiDAR 点投影的动态物体去除功能。

独家重磅课程！

1、深度学习三维重建 详解深度学习三维重建网络：MVSNet、PatchMatchNet、JDACS-MS

2、三维视觉基础 详解视觉深度估计算法（单/双目/RGB-D+特征匹配+极线矫正+代码实战）

3、视觉SLAM必备基础 详解视觉SLAM核心：地图初始化、实时跟踪、局部建图、回环检测、BA优化，工程技巧

4、 VINS:Mono+Fusion SLAM面试官：看你简历上写精通VINS，麻烦现场手推一下预积分！

5、VIO进阶：ORB-SLAM3（单/双目/RGBD+鱼眼+IMU紧耦合+多地图+闭环）独家70+讲全部上线！

6、图像三维重建课程：视觉几何三维重建教程（第2期）：稠密重建，曲面重建，点云融合，纹理贴图

7、重磅来袭！基于LiDAR的多传感器融合SLAM 系列教程：LOAM、LeGO-LOAM、LIO-SAM

8、系统全面的相机标定课程：单目/鱼眼/双目/阵列 相机标定：原理与实战

全国最棒的SLAM、三维视觉学习社区↓

技术交流微信群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群，请添加微信号 chichui502 或扫描下方加群，备注：”名字/昵称+学校/公司+研究方向“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~

投稿、合作也欢迎联系：simiter@126.com

扫描关注视频号，看最新技术落地及开源方案视频秀 ↓