老板：2周搞定激光雷达-视觉-IMU多传感器融合方案！我该如何动手？

原文链接：老板：2周搞定激光雷达-视觉-IMU多传感器融合方案！我该如何动手？
即时定位与建图（SLAM）中所涉及到的传感器有相机、激光雷达、IMU、GPS、轮速计等，这些传感器各有各的特点，如何行之有效的将这些传感器取长补短，实现最精确鲁棒的定位是学术界和工业界共同探讨的方向。

多传感器融合SLAM就是解决上述问题的关键技术，它是自动驾驶、智能机器人等领域的核心技术之一。我们计算机视觉life之前曾报道过该领域最新的工作：

• 一个是MIT开源的LVI-SAM：最新开源LVI-SAM：LIO-SAM 与 Vins-Mono 紧耦合系统，

• 一个是香港大学开源的R3LIVE：开源 | 港大MARS实验室 R3LIVE鲁棒实时RGB雷达视觉惯导紧耦合状态估计

在我们SLAM知识星球里有相关的分享，我们官网也有LVI-SAM系列的系统教程，下面从应用角度来做一个情景演绎（以下场景不针对任何公司，切勿对号入座）

情景演绎

老板：最近公司接了个大项目，客户需要我们用无人车来定位和建图，最终实现封闭园区内无人驾驶，小白，对于这个项目方案的软件实施你有什么建议？

小白：嗯！无人车用来做定位和建图的话，主要有两大类方法：

• 第1种主要构建的是二维栅格地图。常用的2D 激光雷达SLAM方案有gmapping和Cartographer。目前室内应用还是Cartographer居多，它是谷歌开源的，有闭环功能。。。

老板：说的不错！不过我们要建3D地图，室内室外都要用。

小白：那听听第2种方案

• 3D激光雷达SLAM。比较知名的有LOAM、ALOAM、LeGO-LOAM、LIO-SAM、LVI-SAM等。

老板：这些有啥区别？

小白：其实这些是一个大的系列。容我一一道来。

• LOAM是卡内基梅隆大学的Ji Zhang早期发表的多线LiDAR SLAM算法。是该领域的鼻祖，不过该代码可读性差，作者后来将其闭源。

• A-LOAM是港科大秦通（VINS系列一作）在LOAM原有代码基础上，使用Ceres-solver和Eigen库对其进行重构和优化，在保持原有算法原理的基础上，使其可读性大大增加，作为入门多线激光slam最好选择。

LOAM 的效果

• LeGO-LOAM 是麻省理工学院的Tixiao Shan在原有LOAM基础上，做了一些改进包括:1、对前端里程计的前量化改造，提取地面点更适配水平安装的LiDAR; 2、使用SLAM中的Keyframe概念以及回环检测位姿图优化的方式对后端进行重构。

LeGO-LOAM  的效果

• LIO-SAM 是Tixiao Shan在LeGO-LOAM的扩展，添加了IMU预积分因子和GPS因子：前端使用紧耦合的IMU融合方式，替代原有的帧间里程计，使得前端更轻量；后端沿用LeGO-LOAM，在此基础上融入了GPS观测。同时前端后端相互耦合，提高系统精度。

LIO-SAM  的效果

• LVI-SAM是Tixiao Shan 2021年最新的开源工作，他将LIO-SAM和VINS-Mono进行了结合，是一个通过平滑和建图实现激光雷达-视觉-惯性里程计的紧耦合框架，由两个紧耦合子系统组成：一个视觉惯性系统VIS和一个激光雷达惯性系统LIS。当两个子系统中的一个发生故障时，系统也可以发挥作用，这增加了它在无纹理和无特征环境中的鲁棒性。

LVI-SAM  的效果

老板：小白，你可以啊，没看错你！不过你吧唧吧唧说了这么多，我们到底用哪个方案啊？

小白：如果主要是定位的话，目前实际应用较多的框架是基于LIO-SAM的，它工程应用效果比较好。如果考虑扩展，车道线、交通标志这些语义信息都需要的，所以车上肯定也要有相机，LVI-SAM的框架比较有前景，它是紧耦合的激光雷达-视觉-IMU的多传感器融合方案。

LOAM和LIO-SAM的效果对比

老板：好！一会就开会，你带着下面的小弟们开始干吧！这个项目搞定了，给你大大的加薪！

小白：谢谢老板！deadline是什么时候？

老板：2周时间够了吧？

小白：（WTF？）这时间太紧张了，而且团队很多成员对上面这些方案不太了解，需要一定的学习时间。。。

老板：时间就是金钱！时间紧任务重，小白，你想办法克服克服困难嘛！

小白：嗯。。克服。。我尽量。对了，有个平台叫计算机视觉life，他们有开设SLAM、三维重建系列课程，其中以上两类的方法他们都有专门的讲解课程，Cartographer，LOAM/LIO-SAM/LVI-SAM系列都有直接讲解源码的，这样大家学习起来也快。

老板：那还等什么，抓紧去买，多学习多讨论，顺便通知大家以后每天晚上9点公司提供夜宵！

为什么选择本课程？能收获什么？

目前工业界自动驾驶公司、机器人公司对多传感器融合SLAM算法人才非常急需，开出的薪资普遍非常可观，如下图所示。

但是由于高校并未开设相关课程，且该领域涉及到较多理论和经验，同时需要较强的代码工程实践能力，对于初学者非常困难，计算机视觉life历时几个月精心打磨，对源码进行了独家详细注释，对原理进行了详细归纳整理。

• 我们从源码出发，逐行解析详细注释的源码，从最底层揭开涉及到的所有理论和代码细节。

• 通过代码逐行解析+原理推导，将最大程度上帮助你掌握多传感器融合SLAM的核心知识，并且具备举一反三的能力，对其他多传感器融合算法的理解将更为深刻。

• 通过学习本课程并通过考核，你将达到1-2年工作经验的多传感器融合算法工程师水平。

适用于自动驾驶、机器人，早学就是优势↓

购买课程后添加此微信进答疑群，如果对课程有疑问，也可加下面微信咨询↓

讲师介绍

讲师琪宝，硕士毕业于985高校。目前就职于顶级自动驾驶公司，担任SLAM算法工程师。有5年以上SLAM、多传感器融合项目经历，参与多项JD机器人和自动驾驶技术落地。熟悉视觉/激光/多传感器融合SLAM。讲课风格条理清晰，深入浅出讲解疑难点。该讲师也是VINS-Mono/Fusion课程讲师。

讲师注释代码地址：

https://github.com/xieqi1/a-loam-noted

https://github.com/xieqi1/lio-sam-noted

https://github.com/electech6/LVI-SAM_detailed_comments

https://github.com/xieqi1/VINS-Mono-noted

https://github.com/xieqi1/VINS-Fusion-noted

课程大纲

课程在5月27日已经开始，赶紧上车还来得及，总共13周！每2周都有精心设计的对应章****节的作业考试！定期公布成绩榜单！

课程大纲如下

作业、全额返现、学习基金

---

课程持续迭代优化

结合上一期学员的反馈，对课程内容进行升级，补录、增录、重录重点内容。包括：补充提炼知识、重点论文讲解、整体框架的把握、疑难点可视化、勘误等。

作业重磅提升！

1. 每2章节增加针对本章学习内容的作业和考试，需要在规定时间内完成作业。学习视频+作业考试巩固强化~学习效果双倍提高！

2. 全程陪伴式学习，定期公示学习情况排行榜，班主任跟进自制力较差学员~再也不怕学习掉队！

3. 不定期内部直播，分享学习经验和作业思路~学习收获UP UP UP！

学习基金 & 优秀学员全额返现！

每个学员有3次拿奖机会：包括2次月度优秀学员（退款100），1次最终课程优秀学员（全额退款）。

1. 每月公布当前累积排行榜单，排行榜前5%学员退款100元作学习基金奖励！

2. 课程结课后根据周作业、大作业、课程完成度等数据，评选最终的课程优秀学员，全额退还课程费用+发放优秀学员证书+至少1次内推机会！100%有效，等你来战！

注：①月排行榜根据累计每章作业成绩得分，由班主任在课程群内公示动态排名榜单。②优秀学员退课程款在结课仪式时同步发放；详见答疑群通知！

课程运行环境及学习要求基础

• 运行环境：Ubuntu 16.04/18.04/20.04 均可

• 硬件要求：普通台式机/笔记本电脑均可，无需GPU。课程使用公开数据集，不需要机器人、相机传感器等其他硬件

• 编程语言：C++

• 要求基础：了解C/C++基础语法、ROS，了解线性代数、概率论基础，学习过至少一种SLAM开源算法

课程适合人群

• 想要快速学习多传感器融合SLAM的高年级本科生、硕士、博士研究生、教师等。

• 有项目需求需要快速拥有实战经验的算法工程师。希望能够快速上手并学以致用的从业者。

• 对多传感器融合SLAM有简单认知，希望有人督促带学、系统掌握、深入实践的朋友。

• 希望能进入自动驾驶、机器人、无人机等领域学习多传感器融合相关算法的朋友。

常见问题解答

1. 课程购买有优惠吗？

目前的可用优惠：

• 账户内积分抵扣；

• 优惠券只能用一张，其他优惠可叠加使用！

2. 课程有实践和练习、答疑吗？

那必须的！课程是原理解析+逐行源码讲解，理论与实践并重，非常实用的面向一线从业者的课程。带领学员从零开始编译、运行、学习源码，快速上手做项目。

我们也设计了专门针对不同章节内容的考试练习，帮助大家巩固所学知识。并根据作业学习结果评选优秀学员，可全额返现。在课程答疑交流群里助教和讲师也会积极答疑解惑。

3. 课程观看、答疑有效期是？

答疑主要在开课期间，所以购买课程后务必加客服进入答疑群。后续所有的直播、答疑、讲评作业、排行榜都在课程群里进行。课程观看有效期长久有效，购买后请及时学习。

4. 课程直播是否有提供录播？

课程相关的内部直播提供录播。但注意学员加油站直播仅限学员观看，且不提供录播，涉及内容包括：求职经验、行业趋势、论文讲解、SLAM学习经验等。请留意课程内通知并及时参加。

5. 课程是否可以开发票？可以开具增值税电子普通发票。购买课程后找课程助手开具发票即可。

适用于自动驾驶、机器人，早学就是优势↓

购买课程后添加此微信进答疑群，如果对课程有疑问，也可加下面微信咨询↓

独家重磅课程官网：cvlife.net

全国最大的机器人SLAM开发者社区

技术交流群

—   版权声明  —

本公众号原创内容版权属计算机视觉life所有；从公开渠道收集、整理及授权转载的非原创文字、图片和音视频资料，版权属原作者。如果侵权，请联系我们，会及时删除。