OAM、LeGO-LOAM、LIO-SAM、LVI-SAM、FAST-LIO系列是目前最主流的开源3D激光SLAM方案。它们在设计哲学、算法架构和适用场景上存在显著差异。本文系统梳理这些异同点,并给出针对性的选型建议。
一、算法架构的异同
共同基础:所有算法都继承了LOAM的核心思想——通过点云配准估计运动,并维护局部或全局地图。特征提取(边缘点/平面点)、运动补偿、扫描匹配是它们共享的底层模块。
核心差异:
LOAM是最原始的框架,采用高频里程计(10Hz)与低频建图(1Hz)双线程架构,不融合IMU。LeGO-LOAM在LOAM之上增加了地面点分离和点云聚类分割,将位姿优化拆分为两步,并引入了轻量化的回环检测,专为地面车辆设计。
LIO-SAM将整个系统重构为因子图框架,将激光里程计、IMU预积分、回环检测、GPS观测统一为图优化问题,并用滑动窗口控制计算规模。这是从“滤波”到“图优化”的架构跃迁。
LVI-SAM在LIO-SAM的因子图基础上增加了视觉惯性系统(VIS),两个子系统互相提供初始化和冗余,形成紧耦合的视觉-激光-惯性融合架构。
FAST-LIO系列则走了另一条路——基于误差状态迭代卡尔曼滤波(ES-IEKF),不依赖图优化。FAST-LIO使用特征点,FAST-LIO2改用原始点云直接配准并引入ikd-Tree,Faster-LIO将ikd-Tree替换为iVox(增量式体素哈希),持续提升实时性。
二、优劣势对比
LOAM:优势是代码简洁、架构清晰、对雷达安装方式无要求,适合学术研究入门。劣势是没
订阅专栏 解锁全文
2040



被折叠的 条评论
为什么被折叠?



