激光雷达里程计

激光雷达里程计模块的功能就是：估计相邻帧之间的位姿变换。

估计的方式：在相邻帧之间做点到线的约束和点到面的约束
具体的方式和LOAM一样

针对LOAM的改进

• 1 基于标签的匹配
  在特征提取部分提取的特征点都会有个标签（在点云分割时分配的）
  因此在找对应点时，标签必须一致
  对于面点仅在上一帧中找地面点与之匹配
  对于角点在上一帧对于的标签中找对应得角点
  这种特征点匹配得方式会提高匹配精度

• 2 两步LM优化
  首先做地面点得优化，再做角点得优化。该方法实现了相邻帧间得位姿估计
  具体两步LM优化方法如下：
  （1）第一步通过当前帧地面点和上一帧匹配得地面点估计出 z roll pitch
  （2）第二步通过当前帧角点和上一帧匹配得角点估计出 x y yaw，并利用第一步估计得 z roll pitch
  虽然在第一步就可以估计出x y yaw，但是其精度步高，不能用于第二步得估计
  最后把两步估计得结果加起来，就是6自由度得位姿变换结果
  优化方法意义：通过这种方式得优化，计算时间相比于原始LOAM可以减少35%。

激光雷达建图

原理和LOAM一样：当前帧和地图进行低频率得配准，得到最优得当前帧位姿变换

和原始LOAM不一样地方： 地图得存储。
LOAM是通过一个栅格地图进行局部地图得管理。
LeGO-LOAM是通过关键帧得概念进行局部地图管理，保存了激光雷达一些帧，和该帧的位姿。
局部地图建立就是通过根据当前帧的位置，提取与当前帧位置小于100m的关键帧拼接（根据每帧的位姿拼接）在一起作为局部地图

进行回环检测集成位姿图优化：
最后将SLAM里面的位姿图优化集成到了LeGO-LOAM中

• 回环检测的方法：就是通过检测历史帧的位姿和当前帧的位姿比较接近，则认为形成一个回环。（因为激光雷达里程计在短时间内的漂移比较小）
• 优化的方法就是通过ICP计算历史帧和当前帧的位姿变换，然后通过LM的优化方法就行 GT-SAM的位姿图优化。

原文