ouguangjun/Leg-KILO

解决的问题

Leg-KILO（也称为 kilo-map）提供了一种实时LiDAR-based SLAM（同时定位与地图构建）系统，专为应对腿式机器人等高动态平台的剧烈运动而设计。它解决了在结构化和非结构化环境中维持精确里程计和全局一致性的问题，同时能够处理高动态运动引起的畸变。

工作原理

该系统采用多阶段方法融合传感器数据并优化地图：

• 两阶段ESKF前端：使用误差状态卡尔曼滤波器（ESKF）融合LiDAR与IMU数据。第一阶段对每个点进行更新，以补偿运动畸变；第二阶段在整帧上使用迭代ESKF（IESKF）以优化全局一致性。
• 混合特征高斯体素地图：系统维护一个不确定的混合特征（平面与NDT变体）地图，从而提升在不同环境类型中对特征的利用效率。
• 因子图后端：基于Ceres的因子图优化将回环约束与里程计因子紧密耦合，以减少全局漂移。它利用 small_gicp 和 KISS-Matcher 进行回环验证。
• 可视化与存储：使用 Iridescence 库进行实时3D可视化，并支持将全局地图保存为单个文件或分块瓦片格式。

适用人群

本项目适用于使用LiDAR设备的机器人开发者和研究人员，特别是需要处理高动态运动（如腿式机器人）的场景，对实时地图构建与定位的鲁棒性有高要求的用户。

主要亮点

• 高动态鲁棒性：专为应对腿式机器人的剧烈运动而设计。
• 跨平台支持：兼容ROS 1和ROS 2（包括Melodic、Noetic、Foxy、Humble和Jazzy）。
• LiDAR无关性：支持多种LiDAR型号，包括Velodyne、Ouster、Hesai和Livox。
• 紧密耦合融合：通过两阶段ESKF融合IMU与LiDAR数据，实现快速收敛与畸变补偿。