一.測試的SLAM方案

本次我共測試了github上開源的8種方案，按照特點可分為

說明

上述方案中除了hdl_graph_slam和BLAM外，其余方案都是基于LOAM或LeGo-LOAM

在實驗中，hdl_graph_slam和BLAM在所有數據集上的性能均不理想，因而下面不再討論。而SC-LeGo-LOAM的性能較之LeGo-LOAM也沒有明顯改善，因而下面也不再討論。

原生Demo

在第二部分的實驗結果展示中，為了方便比較，不同方案得到的結果形式都進行了統一化，但實際上各種方案在執行時的視覺效果是不同的，這里展示了利用各種方案的原生配置所得到的demo，日后可根據需要配置成下面的任意一種效果：

二.實驗

實驗共使用了5段在偉清樓附近采集的數據：

說明

兩日的數據：由于在7.25采集的兩段數據中沒有明顯看出加入IMU的優勢，于是在7.27我將IMU頻率調高至LINS，LIOM和LIO-SAM所采用的400Hz后又采集了三段數據。

IMU的校正：在每次采集數據前，我都將IMU的z軸與重力加速度重新對齊，方法是利用手機軟件（如：水平儀，AIDA64等）測量，尋找到一個較好的水平面，將實驗設備置于其上，利用Mtmanager對IMU進行Alignment Reset，實現z軸的重置。

IMU初值：IMU緊耦合算法中需要提供IMU的初始零偏（bias）和噪聲方差，而每段數據在開始時的一段時間內實驗設備都是靜止的，因而我利用這段時間內（約5s）的IMU測量值進行了零偏和噪聲的估計。需要注意的是，由于IMU是粘貼在Lidar外殼上的，而Lidar在掃描時會引起外殼周期性的振動，這也反映在了IMU的測量值中，如下圖：

x軸和y軸的加速度ax，ay和角速度wx,wy有明顯的周期性，周期為雷達的掃描周期。而經過進一步的DFT分析，可以發現ax，ay，wx，wy，wz在10Hz和40Hz的頻譜分量最高，說明雷達振動的基波和4次諧波影響較大。為了去除振動影響，我暫時采取了時域擬合的方法，利用基波和4次諧波的組合來擬合測量信號，使得總誤差最小，然后將擬合出的振動信號從測量信號中減去，將所得信號的均值和方差作為IMU的零偏和噪聲方差。

1. museum_out

采集路線：從藝術博物館停車場出發，環繞外圍一周后來到偉清樓旁空地。

定位結果：

?

建圖結果：

結論：

從定位結果上看，各種算法在x，y的估計上比較接近，分歧主要在高度z的估計上。根據實際情況，起點和終點的高度差并不是很大，LIO-SAM和LeGo-LOAM在這點上性能較好，其余方案則略有不足。

從建圖結果上看，各算法的建圖效果相當，只是LINS和LeGo-LOAM的地圖稍微稀疏一些。

2. museum_in

采集路線：從藝術博物館水池出發，在內場游走后回到原點：

定位結果：

?

建圖結果：

結論：

從定位結果看，LIOM與其他方法有較大偏移，但軌跡的形狀卻是相似的，這是由于LIOM對IMU和Lidar外參進行了校正，使得坐標系有所偏移。ALOAM和LIOM很好地閉合了回環，但LIO-SAM，LINS和LeGo-LOAM的性能也還不錯，也接近閉合。

從建圖結果上看，各算法的建圖效果相當，只是LINS和LeGo-LOAM的地圖稍微稀疏一些。

3. outdoor3

采集路線：從偉清樓出發，環繞附近建筑一周后返回原點：

定位結果：

?

建圖結果：

結論：

從定位結果來看，IMU緊耦合且存在回環檢測的LIO-SAM成功地閉合了回環，其他方案都發生了明顯漂移，其中，LeGo-LOAM在z方向產生了相當離譜的估計，這是由于點云中地面點較少，不能很好地約束住z方向,而使用了IMU緊耦合的另外兩種LINS,LIOM較之ALOAM漂移較少，證明高頻IMU起到了一定的約束作用。

從建圖結果來看，LIO-SAM由于閉合了回環，建立了全局一致的地圖。而其他方案建立的地圖中則可以看出明顯的漂移，例如圖中左下角顯示了起點處地圖的側視圖，可以看到除LIO-SAM外，其他方案的地圖都出現明顯的分層現象，這就是z方向漂移的結果。

4. outdoor4

采集路線：從偉清樓出發，與outdoor3方向相反地環繞附近建筑一周后返回原點：

定位結果：

?

建圖結果：

結論：

從定位結果來看，只有LIO-SAM很好地閉合了回環。LeGo-LOAM再次發生了退化，估計效果不佳，而LINS和LIOM在z方向產生了明顯漂移，ALOAM在y和z方向都產生了明顯漂移，說明IMU還是起到了一定的約束作用。

從建圖結果來看，LIO-SAM得到了全局一致的地圖，而其他方法由于漂移建圖效果不太理想，例如圖中的左下部分顯示了起點處地圖的俯視圖，可以看到除LIO-SAM外都存在分層現象，這是z方向漂移的結果，而ALOAM和LeGo-LOAM還可以看出明顯的平行相似結構（如柱子和右側墻壁），這是y方向漂移的結果。

5. aggressive

采集路線：從偉清樓出發，在偉清樓，英士樓和劉卿樓圍城的空地上行走，途中伴隨有跑步后驟停，猛烈轉彎等劇烈動作，最終回到原點：

定位結果：

?

建圖結果：

結論：

從定位結果來看，LIO-SAM和LIOM很好地閉合了回環。LINS在z方向產生了明顯漂移，ALOAM在y和z方向都產生了明顯漂移，LeGo-LOAM則索性崩潰，這說明IMU還是起到了一定的約束作用。

從建圖結果來看，采用了IMU緊耦合的三種方案LIO-SAM和LIOM和LINS得到的地圖看起來都還不錯，很難看出漂移或失真痕跡，而ALOAM和LeGo-LOAM的結果就相當糟糕了！

三.總結

各種方案的優缺點如下：

?

?

在進行IMU校正后，融合高頻IMU確實能夠提升SLAM性能，尤其是在幾何特征缺乏或者劇烈運動的情況下。

LIO-SAM在定位和建圖方面做的都不錯，比較建議使用。

編輯：黃飛

?