首页
/ LeGO-LOAM: 轻量级地面优化激光雷达里程计与建图系统【lego-loam】

LeGO-LOAM: 轻量级地面优化激光雷达里程计与建图系统【lego-loam】

2026-01-21 04:15:49作者:侯霆垣

1. 项目基础介绍和主要编程语言

LeGO-LOAM(Lightweight and Ground-Optimized Lidar Odometry and Mapping)是一个针对ROS兼容的无人地面车辆(UGVs)设计的轻量级地面优化激光雷达里程计与建图系统。该项目的主要编程语言是C++,同时也使用了CMake进行构建管理。

2. 项目的核心功能

LeGO-LOAM的核心功能包括:

  • 激光雷达里程计:通过两步Levenberg-Marquardt优化方法,实时计算6D位姿。
  • 地面优化:特别优化了地面车辆的激光雷达数据处理,假设扫描中始终存在地面平面。
  • 点云分割:在特征提取之前进行点云分割,以提高系统的鲁棒性和效率。
  • 实时建图:能够实时生成环境的地图,适用于各种地形。

3. 项目最近更新的功能

最近更新的功能包括:

  • 新传感器支持:添加了useCloudRing标志,以帮助处理VLP-32C和VLS-128等新型激光雷达的点云投影。
  • KITTI数据集支持:为KITTI用户提供了HDL-64e激光雷达的投影实现。
  • 性能优化:通过改进代码质量和移除硬编码值,提高了系统的性能和可读性。
  • 多线程处理:将多进程应用转换为单进程/多线程应用,提高了算法的确定性和速度。

通过这些更新,LeGO-LOAM不仅保持了其轻量级和地面优化的特性,还进一步提升了系统的适应性和性能。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
docsdocs
暂无描述
Markdown
827
5.48 K
kernelkernel
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
494
515
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
783
1.57 K
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
800
1.14 K
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
970
2.28 K
kernelkernel
deepin linux kernel
C
32
16
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
480
312
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.01 K
766
cannbot-skillscannbot-skills
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.26 K
808
cann-learning-hubcann-learning-hub
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
647
284