hwan0806/Awesome-LiDAR-Mapping

解決する課題

長時間稼働するロボットは、LiDARセンサーから周囲の正確な地図を構築する必要があります。しかし、適切なマッピング手法を選ぶのは困難です。多くの研究論文があり、それぞれ強みが異なり、コードを公開していないものもあります。このプロジェクトは、オープンソース実装を備えた査読付きLiDARマッピング論文を一箇所に集めることで、研究者やエンジニアが会議録やGitHubを自分で探す手間を省きます。

仕組み

トピックごとに整理されたキュレーションリストです。主要セクションは、LiDARのみのマッピング、LiDAR-慣性融合（モーションセンサー追加）、複数LiDARセットアップ、学習ベースのアプローチ、静的マップ構築（動的物体除去）、複数マップのマージをカバーしています。各エントリには、出版年、会場、論文タイトル、コードリポジトリへの直接リンクが記載されています。また、一般的なSLAMフレームワークや評価ツールへのセクションも含まれています。ニュースログに示されているように定期的に更新され、プルリクエストやイシューを通じて貢献を受け付けています。

対象読者

自動運転車両、ドローン、またはLiDARから3Dマップを構築するあらゆるプラットフォームに取り組むロボティクス研究者、大学院生、エンジニア。オープンコードで即使用可能なマッピングアルゴリズムを探している人、ゼロから実装するのではなく、既存のものを利用したい人に役立ちます。

ハイライト

• 古典的なLOAMから最近のリアルタイムグラフベースのアプローチまで、25以上のLiDARのみの手法をカバー。
• FAST-LIO、LIO-SAM、新しいフィルタベースの推定器を含むLiDAR-慣性オドメトリ専用セクション。
• 複数LiDARのキャリブレーションとマッピングシステム、ニューラル表現を用いた学習ベースのマッピングも含む。
• 静的マッピングセクションでは、動的物体を除去するためのアルゴリズムと学習モデルをリストアップ。長期自律に不可欠。
• 各論文はオープンソースリポジトリに直接リンクし、スター数も表示されるため、品質を簡単に評価できます。