hwan0806/Awesome-LiDAR-Mapping

해결하는 문제

오랜 시간 작동하는 로봇은 LiDAR 센서로 주변 환경의 정확한 지도를 구축해야 합니다. 그러나 적절한 매핑 방법을 선택하는 것은 어렵습니다. 많은 연구 논문이 있고 각각 장점이 다르며 모든 논문이 코드를 공개하지 않습니다. 이 프로젝트는 오픈소스 구현이 포함된 동료 검토된 LiDAR 매핑 논문을 한곳에 모아, 연구자와 엔지니어가 학회 프로시딩과 GitHub를 직접 검색하는 수고를 덜어줍니다.

작동 방식

주제별로 정리된 선별 목록입니다. 주요 섹션은 LiDAR 전용 매핑, LiDAR-관성 융합(모션 센서 추가), 다중 LiDAR 설정, 학습 기반 접근법, 정적 지도 구축(동적 객체 제거), 다중 지도 병합을 다룹니다. 각 항목은 출판 연도, 학회/저널, 논문 제목, 코드 저장소에 대한 직접 링크를 나열합니다. 또한 일반적인 SLAM 프레임워크와 평가 도구를 가리키는 섹션도 포함합니다. 뉴스 로그에 표시된 대로 주기적으로 업데이트되며, 풀 리퀘스트나 이슈를 통해 기여를 받습니다.

대상 독자

자율 주행 차량, 드론 또는 LiDAR로 3D 지도를 구축하는 모든 플랫폼에서 작업하는 로보틱스 연구자, 대학원생, 엔지니어. 오픈 코드로 바로 사용할 수 있는 매핑 알고리즘을 찾는 사람, 처음부터 구현하는 대신 기존 것을 활용하려는 사람에게 유용합니다.

주요 특징

• 고전적인 LOAM부터 최신 실시간 그래프 기반 접근법까지 25개 이상의 LiDAR 전용 방법을 다룹니다.
• FAST-LIO, LIO-SAM 및 최신 필터 기반 추정기를 포함한 LiDAR-관성 오도메트리 전용 섹션.
• 다중 LiDAR 캘리브레이션 및 매핑 시스템, 신경 표현을 사용한 학습 기반 매핑도 포함.
• 정적 매핑 섹션은 동적 객체 제거를 위한 알고리즘과 학습 모델을 나열하며, 장기 자율성에 필수적입니다.
• 각 논문은 오픈소스 저장소에 직접 연결되며 별표 수가 표시되어 품질을 쉽게 평가할 수 있습니다.