不同3D激光SLAM方案对比分析
一.测试的slam方案
本次我共测试了github上开源的8种方案，按照特点可分为
特点 方案
纯lidar a-loam(港科大版本的loam)，hdl_graph_slam，blam
lidar与imu松耦合 lego-loam，sc-lego-loam(在lego-loam上使用了一种新的回环检测方法)
lidar与imu紧耦合 lins，lio-sam，liom
说明
上述方案中除了hdl_graph_slam和blam外，其余方案都是基于loam或lego-loam
在实验中，hdl_graph_slam和blam在所有数据集上的性能均不理想，因而下面不再讨论。而sc-lego-loam的性能较之lego-loam也没有明显改善，因而下面也不再讨论。
原生demo
在第二部分的实验结果展示中，为了方便比较，不同方案得到的结果形式都进行了统一化，但实际上各种方案在执行时的视觉效果是不同的，这里展示了利用各种方案的原生配置所得到的demo，日后可根据需要配置成下面的任意一种效果：
二.实验
实验共使用了5段在伟清楼附近采集的数据：
数据段名称 采集时间 传感器配置 路程 备注
museum_out 2020.7.25 10hz lidar+ 100hz imu 639m 无
museum_in 2020.7.25 10hz lidar+ 100hz imu 226m 回环
outdoor3 2020.7.27 10hz lidar+ 400hz imu 481m 回环
outdoor4 2020.7.27 10hz lidar+ 400hz imu 562m 回环
aggresive 2020.7.27 10hz lidar+ 400hz imu 138m 回环，剧烈运动
说明
两日的数据：由于在7.25采集的两段数据中没有明显看出加入imu的优势，于是在7.27我将imu频率调高至lins，liom和lio-sam所采用的400hz后又采集了三段数据。
imu的校正：在每次采集数据前，我都将imu的z轴与重力加速度重新对齐，方法是利用手机软件（如：水平仪，aida64等）测量，寻找到一个较好的水平面，将实验设备置于其上，利用mtmanager对imu进行alignment reset，实现z轴的重置。
imu初值：imu紧耦合算法中需要提供imu的初始零偏（bias）和噪声方差，而每段数据在开始时的一段时间内实验设备都是静止的，因而我利用这段时间内（约5s）的imu测量值进行了零偏和噪声的估计。需要注意的是，由于imu是粘贴在lidar外壳上的，而lidar在扫描时会引起外壳周期性的振动，这也反映在了imu的测量值中，如下图：
x轴和y轴的加速度ax，ay和角速度wx,wy有明显的周期性，周期为雷达的扫描周期。而经过进一步的dft分析，可以发现ax，ay，wx，wy，wz在10hz和40hz的频谱分量最高，说明雷达振动的基波和4次谐波影响较大。为了去除振动影响，我暂时采取了时域拟合的方法，利用基波和4次谐波的组合来拟合测量信号，使得总误差最小，然后将拟合出的振动信号从测量信号中减去，将所得信号的均值和方差作为imu的零偏和噪声方差。
1. museum_out
采集路线：从艺术博物馆停车场出发，环绕外围一周后来到伟清楼旁空地。
定位结果：
建图结果：
结论：
从定位结果上看，各种算法在x，y的估计上比较接近，分歧主要在高度z的估计上。根据实际情况，起点和终点的高度差并不是很大，lio-sam和lego-loam在这点上性能较好，其余方案则略有不足。
从建图结果上看，各算法的建图效果相当，只是lins和lego-loam的地图稍微稀疏一些。
2. museum_in
采集路线：从艺术博物馆水池出发，在内场游走后回到原点：
定位结果：
建图结果：
结论：
从定位结果看，liom与其他方法有较大偏移，但轨迹的形状却是相似的，这是由于liom对imu和lidar外参进行了校正，使得坐标系有所偏移。aloam和liom很好地闭合了回环，但lio-sam，lins和lego-loam的性能也还不错，也接近闭合。
从建图结果上看，各算法的建图效果相当，只是lins和lego-loam的地图稍微稀疏一些。
3. outdoor3
采集路线：从伟清楼出发，环绕附近建筑一周后返回原点：
定位结果：
建图结果：
结论：
从定位结果来看，imu紧耦合且存在回环检测的lio-sam成功地闭合了回环，其他方案都发生了明显漂移，其中，lego-loam在z方向产生了相当离谱的估计，这是由于点云中地面点较少，不能很好地约束住z方向,而使用了imu紧耦合的另外两种lins,liom较之aloam漂移较少，证明高频imu起到了一定的约束作用。
从建图结果来看，lio-sam由于闭合了回环，建立了全局一致的地图。而其他方案建立的地图中则可以看出明显的漂移，例如图中左下角显示了起点处地图的侧视图，可以看到除lio-sam外，其他方案的地图都出现明显的分层现象，这就是z方向漂移的结果。
4. outdoor4
采集路线：从伟清楼出发，与outdoor3方向相反地环绕附近建筑一周后返回原点：
定位结果：
建图结果：
结论：
从定位结果来看，只有lio-sam很好地闭合了回环。lego-loam再次发生了退化，估计效果不佳，而lins和liom在z方向产生了明显漂移，aloam在y和z方向都产生了明显漂移，说明imu还是起到了一定的约束作用。
从建图结果来看，lio-sam得到了全局一致的地图，而其他方法由于漂移建图效果不太理想，例如图中的左下部分显示了起点处地图的俯视图，可以看到除lio-sam外都存在分层现象，这是z方向漂移的结果，而aloam和lego-loam还可以看出明显的平行相似结构（如柱子和右侧墙壁），这是y方向漂移的结果。
5. aggressive
采集路线：从伟清楼出发，在伟清楼，英士楼和刘卿楼围城的空地上行走，途中伴随有跑步后骤停，猛烈转弯等剧烈动作，最终回到原点：
定位结果：
建图结果：
结论：
从定位结果来看，lio-sam和liom很好地闭合了回环。lins在z方向产生了明显漂移，aloam在y和z方向都产生了明显漂移，lego-loam则索性崩溃，这说明imu还是起到了一定的约束作用。
从建图结果来看，采用了imu紧耦合的三种方案lio-sam和liom和lins得到的地图看起来都还不错，很难看出漂移或失真痕迹，而aloam和lego-loam的结果就相当糟糕了！
三.总结
各种方案的优缺点如下：
方案 优点 不足
aloam 1. 在几何特征丰富时比较稳定 1. 后期内存会出现爆炸，计算效率下降
2. 在几何特征较少时会产生明显漂移
lego-loam 1. 在地面点丰富时比较稳定
2. 轻量级 1. 在地面点缺乏时很容易崩溃
2. 得到的地图比较稀疏
lins 1. 轻量级 1. z方向漂移明显
2. 得到的地图比较稀疏
3. 目前的版本要求lidar与imu体坐标系的xy平面平行，不接受自己提供的外參
lio-sam 1. 存在回环检测，能较好地闭合回环
2. 稳定性强
3. demo看起来比较舒服 1. 在几何特征丰富的情况下可能不如aloam
liom 1. 存在重力加速度的校正和imu初始状态估计 1. 稳定性不好，有时性能好，有时又不行，可能与其初始化环节的性能有关
2. 内存占用大，时间性能较差
在进行imu校正后，融合高频imu确实能够提升slam性能，尤其是在几何特征缺乏或者剧烈运动的情况下。
lio-sam在定位和建图方面做的都不错，比较建议使用。
东旭光电打破国内石墨烯技术空白 正式涉足石墨烯传感芯片领域
全新途观L或明年1月份上市
PCB传输线参数
苹果8什么时候在中国上市？会有哪些大改变？
工程监测振弦采集仪的原理与设计
不同3D激光SLAM方案对比分析
中国联通已圆满完成了5G OSS2.0应用的线上发布
麒麟9000处理器跑分性能出炉：单核1020分，多核3710分
如何解决AGV/AMR电池续航问题？
华为新机P30额头和下巴造型奇特,可直立于桌面 国外网友:致敬诺基亚?
云存储的五个常见安全问题及解决措施
【绝对干货】高精度逐次逼近型ADC支持电路的设计和故障排除
中国移动5G创新进入“深水区”，6G研究进入“无人区”
魅族近年来不断关门 进行新一轮裁员，达30%
无线无源测温系统的有点与其它测温方式的对比
Type-C有望一统智能家居
一文教你看懂什么是PLC接线图
2016机器人市场遍地黄金 谁是年度“吸金王”？
MAX17088 Internal-Switch Boost
手机蓝牙的功能介绍
本次我共测试了github上开源的8种方案，按照特点可分为
特点 方案
纯lidar a-loam(港科大版本的loam)，hdl_graph_slam，blam
lidar与imu松耦合 lego-loam，sc-lego-loam(在lego-loam上使用了一种新的回环检测方法)
lidar与imu紧耦合 lins，lio-sam，liom
说明
上述方案中除了hdl_graph_slam和blam外，其余方案都是基于loam或lego-loam
在实验中，hdl_graph_slam和blam在所有数据集上的性能均不理想，因而下面不再讨论。而sc-lego-loam的性能较之lego-loam也没有明显改善，因而下面也不再讨论。
原生demo
在第二部分的实验结果展示中，为了方便比较，不同方案得到的结果形式都进行了统一化，但实际上各种方案在执行时的视觉效果是不同的，这里展示了利用各种方案的原生配置所得到的demo，日后可根据需要配置成下面的任意一种效果：
二.实验
实验共使用了5段在伟清楼附近采集的数据：
数据段名称 采集时间 传感器配置 路程 备注
museum_out 2020.7.25 10hz lidar+ 100hz imu 639m 无
museum_in 2020.7.25 10hz lidar+ 100hz imu 226m 回环
outdoor3 2020.7.27 10hz lidar+ 400hz imu 481m 回环
outdoor4 2020.7.27 10hz lidar+ 400hz imu 562m 回环
aggresive 2020.7.27 10hz lidar+ 400hz imu 138m 回环，剧烈运动
说明
两日的数据：由于在7.25采集的两段数据中没有明显看出加入imu的优势，于是在7.27我将imu频率调高至lins，liom和lio-sam所采用的400hz后又采集了三段数据。
imu的校正：在每次采集数据前，我都将imu的z轴与重力加速度重新对齐，方法是利用手机软件（如：水平仪，aida64等）测量，寻找到一个较好的水平面，将实验设备置于其上，利用mtmanager对imu进行alignment reset，实现z轴的重置。
imu初值：imu紧耦合算法中需要提供imu的初始零偏（bias）和噪声方差，而每段数据在开始时的一段时间内实验设备都是静止的，因而我利用这段时间内（约5s）的imu测量值进行了零偏和噪声的估计。需要注意的是，由于imu是粘贴在lidar外壳上的，而lidar在扫描时会引起外壳周期性的振动，这也反映在了imu的测量值中，如下图：
x轴和y轴的加速度ax，ay和角速度wx,wy有明显的周期性，周期为雷达的扫描周期。而经过进一步的dft分析，可以发现ax，ay，wx，wy，wz在10hz和40hz的频谱分量最高，说明雷达振动的基波和4次谐波影响较大。为了去除振动影响，我暂时采取了时域拟合的方法，利用基波和4次谐波的组合来拟合测量信号，使得总误差最小，然后将拟合出的振动信号从测量信号中减去，将所得信号的均值和方差作为imu的零偏和噪声方差。
1. museum_out
采集路线：从艺术博物馆停车场出发，环绕外围一周后来到伟清楼旁空地。
定位结果：
建图结果：
结论：
从定位结果上看，各种算法在x，y的估计上比较接近，分歧主要在高度z的估计上。根据实际情况，起点和终点的高度差并不是很大，lio-sam和lego-loam在这点上性能较好，其余方案则略有不足。
从建图结果上看，各算法的建图效果相当，只是lins和lego-loam的地图稍微稀疏一些。
2. museum_in
采集路线：从艺术博物馆水池出发，在内场游走后回到原点：
定位结果：
建图结果：
结论：
从定位结果看，liom与其他方法有较大偏移，但轨迹的形状却是相似的，这是由于liom对imu和lidar外参进行了校正，使得坐标系有所偏移。aloam和liom很好地闭合了回环，但lio-sam，lins和lego-loam的性能也还不错，也接近闭合。
从建图结果上看，各算法的建图效果相当，只是lins和lego-loam的地图稍微稀疏一些。
3. outdoor3
采集路线：从伟清楼出发，环绕附近建筑一周后返回原点：
定位结果：
建图结果：
结论：
从定位结果来看，imu紧耦合且存在回环检测的lio-sam成功地闭合了回环，其他方案都发生了明显漂移，其中，lego-loam在z方向产生了相当离谱的估计，这是由于点云中地面点较少，不能很好地约束住z方向,而使用了imu紧耦合的另外两种lins,liom较之aloam漂移较少，证明高频imu起到了一定的约束作用。
从建图结果来看，lio-sam由于闭合了回环，建立了全局一致的地图。而其他方案建立的地图中则可以看出明显的漂移，例如图中左下角显示了起点处地图的侧视图，可以看到除lio-sam外，其他方案的地图都出现明显的分层现象，这就是z方向漂移的结果。
4. outdoor4
采集路线：从伟清楼出发，与outdoor3方向相反地环绕附近建筑一周后返回原点：
定位结果：
建图结果：
结论：
从定位结果来看，只有lio-sam很好地闭合了回环。lego-loam再次发生了退化，估计效果不佳，而lins和liom在z方向产生了明显漂移，aloam在y和z方向都产生了明显漂移，说明imu还是起到了一定的约束作用。
从建图结果来看，lio-sam得到了全局一致的地图，而其他方法由于漂移建图效果不太理想，例如图中的左下部分显示了起点处地图的俯视图，可以看到除lio-sam外都存在分层现象，这是z方向漂移的结果，而aloam和lego-loam还可以看出明显的平行相似结构（如柱子和右侧墙壁），这是y方向漂移的结果。
5. aggressive
采集路线：从伟清楼出发，在伟清楼，英士楼和刘卿楼围城的空地上行走，途中伴随有跑步后骤停，猛烈转弯等剧烈动作，最终回到原点：
定位结果：
建图结果：
结论：
从定位结果来看，lio-sam和liom很好地闭合了回环。lins在z方向产生了明显漂移，aloam在y和z方向都产生了明显漂移，lego-loam则索性崩溃，这说明imu还是起到了一定的约束作用。
从建图结果来看，采用了imu紧耦合的三种方案lio-sam和liom和lins得到的地图看起来都还不错，很难看出漂移或失真痕迹，而aloam和lego-loam的结果就相当糟糕了！
三.总结
各种方案的优缺点如下：
方案 优点 不足
aloam 1. 在几何特征丰富时比较稳定 1. 后期内存会出现爆炸，计算效率下降
2. 在几何特征较少时会产生明显漂移
lego-loam 1. 在地面点丰富时比较稳定
2. 轻量级 1. 在地面点缺乏时很容易崩溃
2. 得到的地图比较稀疏
lins 1. 轻量级 1. z方向漂移明显
2. 得到的地图比较稀疏
3. 目前的版本要求lidar与imu体坐标系的xy平面平行，不接受自己提供的外參
lio-sam 1. 存在回环检测，能较好地闭合回环
2. 稳定性强
3. demo看起来比较舒服 1. 在几何特征丰富的情况下可能不如aloam
liom 1. 存在重力加速度的校正和imu初始状态估计 1. 稳定性不好，有时性能好，有时又不行，可能与其初始化环节的性能有关
2. 内存占用大，时间性能较差
在进行imu校正后，融合高频imu确实能够提升slam性能，尤其是在几何特征缺乏或者剧烈运动的情况下。
lio-sam在定位和建图方面做的都不错，比较建议使用。
东旭光电打破国内石墨烯技术空白 正式涉足石墨烯传感芯片领域
全新途观L或明年1月份上市
PCB传输线参数
苹果8什么时候在中国上市？会有哪些大改变？
工程监测振弦采集仪的原理与设计
不同3D激光SLAM方案对比分析
中国联通已圆满完成了5G OSS2.0应用的线上发布
麒麟9000处理器跑分性能出炉：单核1020分，多核3710分
如何解决AGV/AMR电池续航问题？
华为新机P30额头和下巴造型奇特,可直立于桌面 国外网友:致敬诺基亚?
云存储的五个常见安全问题及解决措施
【绝对干货】高精度逐次逼近型ADC支持电路的设计和故障排除
中国移动5G创新进入“深水区”，6G研究进入“无人区”
魅族近年来不断关门 进行新一轮裁员，达30%
无线无源测温系统的有点与其它测温方式的对比
Type-C有望一统智能家居
一文教你看懂什么是PLC接线图
2016机器人市场遍地黄金 谁是年度“吸金王”？
MAX17088 Internal-Switch Boost
手机蓝牙的功能介绍