hwan0806/Awesome-LiDAR-Mapping

解决的问题

长时间运行的机器人需要利用 LiDAR 传感器构建周围环境的精确地图。但选择合适的建图方法很困难：有许多研究论文，各有不同的优势，且并非所有论文都发布代码。该项目通过将带有开源实现的同行评审 LiDAR 建图论文汇集到一处，解决了这一问题，使研究人员和工程师无需自行搜索会议论文和 GitHub。

工作原理

这是一个按主题组织的精选列表。主要部分涵盖纯 LiDAR 建图、LiDAR-惯性融合（添加运动传感器）、多 LiDAR 设置、基于学习的方法、静态地图构建（移除移动物体）以及多地图合并。每个条目列出出版年份、会议/期刊、论文标题和代码仓库的直接链接。项目还包含一个指向通用 SLAM 框架和评估工具的部分。项目会定期更新（如新闻日志所示），并接受通过拉取请求或问题提交的贡献。

适用对象

从事自动驾驶车辆、无人机或任何基于 LiDAR 构建 3D 地图平台的机器人研究人员、研究生和工程师。它帮助任何希望找到带有开放代码的即用型建图算法，而不是从头实现的人。

亮点

• 涵盖 25 多种纯 LiDAR 方法，从经典 LOAM 到最新的实时基于图的方法。
• 专门章节介绍 LiDAR-惯性里程计，包括 FAST-LIO、LIO-SAM 和更新的基于滤波器的估计器。
• 包含多 LiDAR 标定和建图系统，以及基于神经表示的建图方法。
• 静态建图部分列出了用于移除动态物体的算法和学习模型，这对长期自主至关重要。
• 每篇论文直接链接到其开源仓库，并带有星标数，便于评估质量。