koide3/gtsam_points

解决的问题

gtsam_points 为基于距离的 SLAM（同时定位与建图）提供了一套专用工具，特别聚焦于 3D 点云的配准与优化。它扩展了 GTSAM 库，以实现更精确、更高效的点云匹配、轨迹估计和地图构建。

工作原理

该项目实现了点云处理的多个关键组件：

• 扫描匹配因子：实现了多种迭代最近点（ICP）变体，包括点对点、点对平面、广义 ICP（GICP）以及带有 GPU 加速的体素化 GICP（VGICP）。
• 彩色扫描匹配：将光度误差整合到匹配过程中，利用颜色信息提升配准精度。
• 连续时间 ICP：提供用于连续时间轨迹估计的因子，减少 LiDAR 扫描中的运动模糊效应。
• 束调整：基于特征值最小化（EVM）和最小二乘法实现因子，用于多视角点云配准。
• 最近邻搜索：包含高性能搜索结构，如 KdTree 和增量体素地图（iVox），实现快速数据关联。
• 全局配准：使用 RANSAC 和渐进非凸性（GNC）在缺乏良好初始估计的情况下对点云进行对齐。
• 分割：提供区域生长和最小割算法，将点云分割为不同物体。

适用人群

使用 GTSAM 框架进行 LiDAR 基础 SLAM、3D 重建和自主导航系统开发的机器人工程师与研究人员。

主要亮点

• GPU 加速：包含 VGICP 的 GPU 实现，实现更快的处理速度。
• 三次 B 样条：支持连续时间轨迹表示，实现更平滑的运动估计。
• 丰富的因子库：将 LOAM、GICP、彩色 ICP 等多种匹配代价直接集成到因子图优化框架中。
• 高效的数结构：支持增量体素映射和快速占用网格，实现高效的点云重叠估计。