多图预警!!! 多图预警!!! 多图预警!!!
谢 @高飞 @徐枭涵 等邀请，之前一直忙着写新的bug和修老的bug，把这个问题鸽了有2个月了（约172800东）。最近终于闲下来了，可以谈谈自己对这个雷达的看法。以及臭不要脸地推销下自己近期的工作，我们近期工作的视频如下所示(2个视频开头前10s是一样，但不是同一个视频，第一个是loam for livox mid40的，第二个视频是我们在loam的基础上的回环检测（基于点云上做的）和优化：
Loam_livoxhttps://www.bilibili.com/video/av68739803Point cloud based loop closurehttps://www.bilibili.com/video/av68739803
我们的第一版代码已经开源在:
接下来会陆陆续续开源我们近期的代码，希望我们的工作能启到一个抛砖引玉的作用，同时也希望能和大家一起学习和交流~
- 首先，对比动辄几万刀的雷达，我对这个雷达最大的影响的就是便宜，太便宜，真尼玛便宜，3999元买不了吃亏，3999元买不了上当（3999元的雷达我都买不起，我真是个穷逼）。
2. 扫描的pattern十分怪异，拿到雷达的前几天，我差点被这个旋转的“菊花”转出工伤，为了让大家有个更直观的印象，我把这个雷达的扫描轨迹投影到前方1米的平面上，如下图所示：
3. FOV小，和其他的360的旋转的雷达相比，这个雷达的FoV小得有点可怜，同样地，为了让大家对这个雷达的FoV有更直观的了解，我们把它和Velodyne VLP-16雷达的FoV做了一个对比：
因为以上几个特点，导致我们想用这个雷达做slam有点小困难，原因是：
1. 这个雷达的扫描pattern和Velodyne等雷达的扫描pattern完全不一样，在相邻几帧内，2个相邻“花瓣”隔离得太远了，导致我们不能靠帧间特征（feature）的匹配（matching）及跟踪（tracking）来算出雷达的相对位姿。在我们的LOAM中，我们直接去掉了原来的LOAM的scan-to-scan算法，直接靠scan-to-maps 的方法来算位姿。
2. 由于这个雷达的FOV特别小，导致这个雷达更容易遭遇到feature少带来的退化（degeneration）场景，以及更容易受到周围移动物体（人，车等）的影响，我们在我们的工作中，加了一些对dynamic objects的处理。
3. 由于小FoV的原因，导致同等情况下，这个雷达的运动模糊更为严重，所以我们不得不采用线性插值和分段处理的方法来处理运动模糊的问题。
4. 由于的odometry是靠scan-to-maps算出来的，所以在实时性上没有原来的scan-to-scan来得快，但是我们通过优化我们的算法框架，在某些处理过程中实现了并行化。因此，我们保证了我们的算法在PC平台以及某些嵌入式平台运行的实时性。
关于我们loam的技术细节，我就不一一累述了，大家感兴趣的可以查看我们挂在arxiv上的paper
Loam_livox: A fast, robust, high-precision LiDAR odometry and mapping package for LiDARs of small FoVA fast, complete, point cloud based loop closure for LiDAR odometry and mapping
接下来可以看下我们可以用这个3999元的雷达可以做些什么~
实时的6-Dof odometry
- 位移评估
2. 旋转评估
实时高精度建图
loam回环
虽然，激光slam的drift比视觉slam相比，drift要小得多。但是，走远的时候难免会出现漂移，建出来的地图无法重合在一起，为了解决这问题，我们在原来的loam基础上上面加入了回环检测（点云上做的）以及发生回环之后的矫正优化，大幅度地减少了drift对整个定位，建图的影响，以下是我们在我们自己采集的数据上做的效果图（稍候会把paper挂arvix上，方便大家一起学习和交流）：
其中，第一行显示了回环前（绿）后（蓝）的轨迹以及发生回环的位置，第二行是回环前（红）后（白）的点云对比，第三行是我们把回环之后的点云对齐到卫星地图上，以评估回环后的精度。第一列的场景是香港科技大学（HKUST）的校园；第二列为香港大学（HKU）的主楼，第三列为港大的室内走廊（两层楼的长走廊，一来一回）；第四列是香港大学的庄月明文娱中心。
我们把点云对齐到google map的卫星地图上，发现能匹配得很好，如下图所示：
————————————-分割线————————————–
关于这个雷达，我自己的看法就是， 第一次听到Livox雷达的价格感觉很惊异，激光雷达居然可以也卖得这么便宜！3999元简直买不了吃亏，买不了上当啊。虽然它FOV小， 扫描pattern诡异， 但结合算法优化，其在建图和定位中的效果可以做的很好； 我们目前的工作还只是雏形，后面还有很多可以优化的地方，其精度和可靠性还有很大的提升空间。
最后，为了让大家能更好地上手这个雷达，我把我画的手持部件也开源给大家（感觉自己都成全栈攻城狮了），所有部件支持3D打印，设计灵感来着十字弩，全套系统下来不到一个iPhoneXS的价格。
来源：知乎 www.zhihu.com
作者：ziv.lin
【知乎日报】千万用户的选择，做朋友圈里的新鲜事分享大牛。
点击下载
此问题还有 26 个回答，查看全部。
延伸阅读：
如何看待 Autel Robotics 公司在美向 ITC 提交申请，指控大疆 DJI 等无人机公司？