koide3/gtsam_points

解決的問題

gtsam_points 提供一套專為基於距離的 SLAM（同時定位與地圖建構）設計的工具，特別聚焦於 3D 點雲的配準與最佳化。它擴展了 GTSAM 庫，以實現更精確且高效的點雲匹配、軌跡估計與地圖建構。

工作原理

本專案實作了點雲處理的多個關鍵元件：

• 掃描匹配因子：實作多種迭代最近點（ICP）變體，包括點對點、點對平面、廣義 ICP（GICP）以及具 GPU 加速的體素化 GICP（VGICP）。
• 彩色掃描匹配：將光度誤差整合至匹配過程，利用顏色資訊提升配準精度。
• 連續時間 ICP：提供用於連續時間軌跡估計的因子，減少 LiDAR 掃描中的運動模糊效應。
• 束調整：基於特徵值最小化（EVM）與最小平方法實作因子，用於多視角點雲配準。
• 最近鄰搜尋：包含高效能搜尋結構，如 KdTree 與增量體素地圖（iVox），實現快速資料關聯。
• 全域配準：使用 RANSAC 與漸進非凸性（GNC）在缺乏良好初始估計的情況下對點雲進行對齊。
• 分割：提供區域成長與最小割演算法，將點雲分割為不同物件。

適用對象

使用 GTSAM 框架進行 LiDAR 基礎 SLAM、3D 重構與自主導航系統開發的機器人工程師與研究人員。

主要亮點

• GPU 加速：包含 VGICP 的 GPU 實作，實現更快的處理速度。
• 三次 B-樣條：支援連續時間軌跡表示，實現更平滑的運動估計。
• 豐富的因子庫：將 LOAM、GICP、彩色 ICP 等多種匹配代價直接整合至因子圖最佳化框架中。
• 高效的資料結構：支援增量體素地圖與快速佔用網格，實現高效的點雲重疊估計。